
import pandas as pd
from tqdm.auto import tqdm 
import matplotlib.pyplot as plt
import seaborn as sns
import plotly.express as px
import plotly.graph_objects as go
from scipy import signal
from plotly.subplots import make_subplots
import geopandas as gpd
from geopandas import GeoDataFrame
from IPython.display import display


pd.read_csv('metaScrape.csv', index_col=0)


pd.read_csv('metaScrape3.csv', index_col=0)


pd.read_csv('cleaningMeta2.csv', index_col=0)


pd.read_csv('metaScrape4.csv', index_col=0)


pd.read_csv('sales.csv', index_col=0)


pd.read_csv('genres.csv', index_col=0)


for i in range(2004, 2023):
    display(pd.read_csv('genre' + str(i) + '.csv', index_col=0))


pd.read_csv('yearlygenre.csv', index_col=0)


for i in range(2004, 2023):
    display(pd.read_csv('genrecountry' + str(i) + '.csv', index_col=0))


for i in range(2014, 2023):
    display(pd.read_csv('game' + str(i) + '.csv', index_col=0))


df = pd.read_csv('metaScrape.csv', index_col=0)


df.iloc[df[df.name == 'God of War'].iloc[:2, 0].index, 0] = 'God of War (2018)' # This is to prevent two games with the same name from getting dropped, as they were different games


df = df.drop_duplicates(subset=['name'], ignore_index=True) # Removes all duplicate games, which were released in different platform, as recounting them will jumble up the google trends data


df = df[~(df['name'].str.contains('Edition'))]
df = df[~(df['name'].str.contains('Collection'))]
df = df[~(df['name'].str.contains('Remaster'))]
df = df[~(df['name'].str.contains('HD'))] # Removes any remasters, collections or editions as we only want to analyse new games
df['index'] = df.index


df3 = pd.read_csv('metaScrape4.csv')
df3 = df3[df3.sales.notnull()] # Removes null sales
df3 = df3.drop_duplicates(subset=['name'], keep='first') # Drops any duplicate games to preven double count
df3.sales = df3.sales.str.split('m').str[0].astype(float) # Convert sales to float
df3 = df3.drop(df3[df3.sales == 0].index) # Drop games with no sales, as the theses games are obscure games which were not in metacritic


df_genres = pd.read_csv('genres.csv')


df_genres.iloc[0, -1] = '/m/06c9r' # Corrects a code


df_genres.drop(df_genres.loc[df_genres['genre'] == '', 'index'], inplace=True) # Drops empty genres


df_genres.loc[df_genres.Code.isnull(), 'Code'] = df_genres.loc[df_genres.Code.isnull(), 'genre'] # Sets null code as the name


df_genres.drop(df_genres.loc[df_genres['genre'].isin(['Massively Multiplayer', 'Sim', 'Miscellaneous', 'Other', 'Soccer', 'Party / Minigame', 'Videos']), 'index'], inplace=True) # Removes genres which are sub genres, random, or already given before with a slightly different name


tqdm.pandas()

df = pd.read_csv('metaScrape3.csv', index_col=0)  # Reading the csv which contains the webscrape data from dataset 1 and 1.1
dict1 = {'genre' : [], 'rating' : [], 'year' : []} # Defining a new dictionary, which will be converted to a dataframe
def getGenre(row): # Function which goes through all games and separates the genres which is a list
    gameGenre = row.genre.split(',')
    for i in gameGenre:
        dict1['genre'].append(i)
        dict1['rating'].append(row.rating)
        dict1['year'].append(row.year)
        
        
df.apply(getGenre, axis=1) 
df_genres = pd.DataFrame(dict1)


genreCount = pd.DataFrame(df_genres[['genre']].value_counts(), columns=['Count']) # Counting the number of times a genre appeared
genres = pd.read_csv('genres.csv', index_col=0) # Reading the csv which contains the genres we would like to see, as some are just duplicates, with slightly different names
genreCount = pd.merge(genreCount, genres['genre'], on='genre', how='right') # Merging both so there are no duplicate genres
genreCount = genreCount.sort_values(by='Count', ascending=False)[:15] # As there are around 160 genres, we just want to analyse and compare the share of the top 15
genreCount['Proportion'] = (genreCount.Count / genreCount.Count.sum())*100 # Calculating proportion for treemap


plt.figure(figsize=(25,5))
ax = sns.barplot(x ='genre', y='Count', data = genreCount, palette="viridis")
ax = ax.bar_label(ax.containers[0])
plt.title('Comparison between the number of games for each genre')
plt.ylabel('Number of games')
plt.xlabel('Genre')
plt.show()
px.pie(genreCount, values='Count', names='genre', hole=0.5,  title="Comparison between the percentage of games for each genre")


dfyear = pd.read_csv('yearlygenre.csv', index_col=0)
dfCount = pd.DataFrame(dfyear.genre.value_counts()).reset_index().iloc[:15]
dfCount.columns = ['genre', 'numYear']
plt.figure(figsize=(30,10))
sns.barplot(dfCount, y='numYear', x='genre')
plt.title('Comparison of the number of years a genre was in the top 15 seached genres of the year')
plt.ylabel('Number of Years')
plt.xlabel('Genre')
plt.show()


dfCount.merge(genreCount, on='genre', how='inner')


platforms  = pd.read_csv('metaScrape.csv', index_col=0)

# This is basically to only get the top platform. This is done by first getting the count of the games and sorting by it, and then dropping any duplicate years. This will ensure only the highest count stays the same
platsort = platforms.groupby(['year','data'])['name'].count().reset_index()
platsort = platsort.sort_values(by='name',ascending=False) 
platsort = platsort.drop_duplicates(subset=['year'],keep='first').sort_values(by='year', ascending=False) 

f, ax = plt.subplots(figsize=(6, 15))
sns.set_color_codes("pastel")
platsort['yearStr'] = platsort.year.astype(str) # For the barplot to regonise what the labels are, we need to convert it to string
fig = sns.barplot(x="name", y="yearStr", data=platsort, color="r")
for i, p in enumerate(zip(platsort.data, platsort['name'])): # This is to label each column with the platform name and the number of games for it
    plt.text(s=(str(p[0]) + ' : ' + str(p[1])),x=10,y=i,fontweight='bold',color='white')
plt.title('Comparison between the number of games released by the top platform of the year')
plt.xlabel('Number of games')
plt.ylabel('Year')
plt.show()


plt.figure(figsize=(40, 7))
platCount = platforms.groupby('data')[['name']].count().reset_index().sort_values(by='name',ascending=False)
ax = sns.barplot(x ='data', y='name', data = platCount, palette="viridis")
ax = ax.bar_label(ax.containers[0])
plt.title('Comparison between the number of games released for each platform')
plt.ylabel('Number of Games')
plt.xlabel('Platform')

Text(0.5, 0, 'Platform')


dict1 = {'genre' : [], 'rating' : [], 'year' : [], 'platform' : []}
def getGenre(row):
    gameGenre = row.genre.split(',')
    for i in gameGenre:
        dict1['genre'].append(i)
        dict1['rating'].append(row.rating)
        dict1['year'].append(row.year)
        dict1['platform'].append(row.data)
platforms = platforms.drop('month', axis=1)
platforms = platforms.merge(df.loc[:, ['name', 'genre', 'rating']], on='name', how='left').dropna()
platforms.progress_apply(getGenre, axis=1)
df_plat = pd.DataFrame(dict1)

  0%|          | 0/18692 [00:00<?, ?it/s]


plt.figure(figsize=(8,8))
df_plat = df_plat[df_plat['genre'].isin(genreCount.genre)] # We are only displaying the genres with the most games, this will thus allow us to have more datapoints
dfHeat = df_plat.groupby(['platform','genre'])['rating'].median().reset_index()
dfHeat = dfHeat.pivot('platform','genre','rating')
sns.heatmap(dfHeat, cmap='turbo')
plt.title('Median rating by platform and genre')
plt.xlabel('Genre')
plt.ylabel('Platform')

Text(50.99999999999999, 0.5, 'Platform')


plt.figure(figsize=(8,8))
dfHeat = df_plat.groupby(['platform','year'])['rating'].median().reset_index()
dfHeat = dfHeat.pivot('platform','year','rating')
sns.heatmap(dfHeat,cmap='magma')
plt.title('Median rating by platform and year')
plt.xlabel('Year')
plt.ylabel('Platform')

Text(50.99999999999999, 0.5, 'Platform')


plt.figure(figsize=(8,8))
mean = df_genres[df_genres['genre'].isin(genreCount.genre)]
dfHeat = mean.groupby(['year','genre'])['rating'].median().reset_index()
dfHeat = dfHeat.pivot('year','genre','rating')
sns.heatmap(dfHeat,cmap='viridis')
plt.title('Median rating by year and genre')
plt.xlabel('Genre')
plt.ylabel('Year')

Text(51.0, 0.5, 'Year')


sales = pd.read_csv('sales.csv')


fig = go.Figure(data=go.Violin(y=sales["sales"], box_visible=True, line_color='black',
                               meanline_visible=True, fillcolor='lightseagreen', opacity=0.6,
                               x0='Sales / 10e6'))
fig.update_layout(
    title_text="Violinplot of sales",
)
fig.update_layout(yaxis_zeroline=False) # Removes the y-axis zeroline
fig.show()


list1 = []
dict1 = {'Jan' : 1, 'Feb' : 2, 'Mar' : 3, 'Apr' : 4, 'May' : 5, 'Jun' : 6, 'Jul' : 7, 'Aug' : 8, 'Sep' : 9, 'Oct' : 10, 'Nov' : 11, 'Dec' : 12} # This has to be done as to_datetime uses int 
def month(row):
    list1.append(dict1[row.month])
df.progress_apply(month, axis=1)
df['num'] = list1
df['date_formatted'] = pd.to_datetime( # Converts month and year to a datetime object, specifying date will be too specific
    dict(
        year=df['year'], 
        month=df['num'], 
        day=1
    ))
df['year_formatted'] = pd.to_datetime( # Converts year to datetime object
    dict(
        year=df['year'], 
        month=1, 
        day=1
    ))


datedf = df.groupby('date_formatted')[['name']].count().reset_index()

  0%|          | 0/12058 [00:00<?, ?it/s]


# Create figure
fig = go.Figure()

fig.add_trace(
    go.Scatter(x=list(datedf.date_formatted), y=list(datedf.name), name='Games per month')) # Makes a lineplot for 

# Sets title
fig.update_layout(
    title_text="Timeseries of number of games released",
    yaxis_title='Number of games',
    xaxis_title='Date'
)

# Adds a range slider
fig.update_layout( 
    xaxis=dict(
        rangeselector=dict(
            buttons=list([
                dict(count=6,
                     label="6m",
                     step="month",
                     stepmode="backward"),
                dict(count=1,
                     label="YTD",
                     step="year",
                     stepmode="todate"),
                dict(count=1,
                     label="1y",
                     step="year",
                     stepmode="backward"),
                dict(step="all")
            ])
        ),
        rangeslider=dict(
            visible=True
        ),
        type="date"
    )
)

fig.show()


pd.plotting.autocorrelation_plot(datedf.name)

<AxesSubplot: xlabel='Lag', ylabel='Autocorrelation'>


# Create figure
fig = go.Figure()

fig.add_trace(
    go.Scatter(x=list(datedf.date_formatted), y=signal.savgol_filter(list(datedf.name), 12, 2), name='Smoothened games per month')) # Makes a lineplot for 


# Sets title
fig.update_layout(
    title_text="Timeseries of number of games released",
    yaxis_title='Number of games',
    xaxis_title='Date'
)

# Adds a range slider
fig.update_layout( 
    xaxis=dict(
        rangeselector=dict(
            buttons=list([
                dict(count=6,
                     label="6m",
                     step="month",
                     stepmode="backward"),
                dict(count=1,
                     label="YTD",
                     step="year",
                     stepmode="todate"),
                dict(count=1,
                     label="1y",
                     step="year",
                     stepmode="backward"),
                dict(step="all")
            ])
        ),
        rangeslider=dict(
            visible=True
        ),
        type="date"
    )
)

fig.show()


list1 = []

def month(row):
    list1.append(dict1[row.month])
sales.apply(month, axis=1)
sales['num'] = list1
sales['date_formatted'] = pd.to_datetime(
    dict(
        year=sales['year'], 
        month=sales['num'], 
        day=1
    )
)
salesdf = sales.groupby('date_formatted')[['sales']].median().reset_index()
salesdf.sales = salesdf.sales * 10e6


# Add traces
list2 = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec']
px.line(x=list2, y=sales.groupby('num')[['sales']].median().sales)
fig.update_layout(
    title_text= "Trend of games sales"
)
fig.update_xaxes(title_text="Months")

# Set y-axes titles
fig.update_yaxes(title_text="Sales / 10e6")
fig.show()

px.line(x=list2, y=sales.groupby('num')[['sales']].count().sales)
    

# Add figure title
fig.update_layout(
    title_text= "Trend of number of games released"
)

# Set x-axis title
fig.update_xaxes(title_text="Months")

# Set y-axes titles
fig.update_yaxes(title_text="Number of games")

fig.show()


plt.figure(figsize=(12,8))
sns.pointplot(data=sales.groupby('day')[['sales']].median(), y="sales", x=sales.groupby('day')[['sales']].median().index)
plt.title('Median of sales over day')
plt.xlabel('Day')
plt.ylabel('Median of Sales/10e6')
plt.plot()

[]


# Create figure
fig = go.Figure()

fig.add_trace(
    go.Scatter(x=list(salesdf.date_formatted), y=list(salesdf.sales)))

# Set title
fig.update_layout(
    title_text="Time series with range slider and selectors"
)

# Add range slider
fig.update_layout(
    xaxis=dict(
        rangeselector=dict(
            buttons=list([
                dict(count=6,
                     label="6m",
                     step="month",
                     stepmode="backward"),
                dict(count=1,
                     label="YTD",
                     step="year",
                     stepmode="todate"),
                dict(count=1,
                     label="1y",
                     step="year",
                     stepmode="backward"),
                dict(step="all")
            ])
        ),
        rangeslider=dict(
            visible=True
        ),
        type="date"
    )
)

fig.show()


fig = go.Figure(data=go.Violin(y=df["rating"], box_visible=True, line_color='black',
                               meanline_visible=True, fillcolor='lightseagreen', opacity=0.6,
                               x0='Rating'))

fig.update_layout(yaxis_zeroline=False, title_text='Violin plot of game ratings')
fig.show()
plt.figure(figsize=(10,10))
df['rating'].hist(edgecolor='black')
plt.title('Histogram of rating')
plt.ylabel('Number of games')
plt.xlabel('Rating')
plt.show()
# ax = plt.axvline(df['rating'].median(),color='r',linestyle='dashed')
# plt.annotate('Median: ' + str(df['rating'].median()), xy=(32, 72), xytext=(53, 3500), fontsize=15)


nrow=3
ncol=5
 
genres = genreCount.genre
fig = plt.figure(figsize=(16,8))
gs = fig.add_gridspec(nrow, ncol)
axes = gs.subplots(sharex=True, sharey=True)


df_list = []
for i in genres:
    df_list.append(df_genres.loc[df_genres.genre == i,'rating'])
sns.set_color_codes("bright")
for count in range(nrow * ncol):
    nrow, ncol = divmod(count, 3)
    df_list[count].hist(edgecolor='black', alpha=0.3, color='red', ax=axes[ncol, nrow])
    axes[ncol, nrow].text(30, 750, str(genres.iloc[count]))
    
    axes[ncol, nrow].axvline(df['rating'].median(),color='b',linestyle='dashed') # This shows the median of all game ratings
    axes[ncol, nrow].axvline(df_list[count].median(),color='g',linestyle='dashed') # This shows the median of the ratings for the games of these genres
    
plt.suptitle("Rating distribution across genres")
plt.show()


nrow=5
ncol=4
 
years = df.year.unique()
fig = plt.figure(figsize=(16,8))
gs = fig.add_gridspec(nrow, ncol)
axes = gs.subplots(sharex=True, sharey=True)


df_list = []
for i in years:
    df_list.append(df_genres.loc[df_genres.year == i,'rating'])

for count in range(nrow * ncol):
    nrow, ncol = divmod(count, 5)
    df_list[count].hist(edgecolor='black', alpha=0.3, color='red', ax=axes[ncol, nrow])
    axes[ncol, nrow].text(30, 500, str(years[count]))
    axes[ncol, nrow].axvline(df['rating'].median(),color='b',linestyle='dashed') # This shows the median of all game ratings
    axes[ncol, nrow].axvline(df_list[count].median(),color='g',linestyle='dashed') # This shows the median of the ratings of games from the year
plt.suptitle("Rating distribution across years")
plt.show()


years = dfyear.year.unique()
df_list = []
for i in years:
    df_list.append(dfyear.loc[dfyear.year == i,['genre', 'Searches']])

fig = make_subplots(
    rows=3, cols=6,
    specs = [[{"type": "pie"},{"type": "pie"}, {"type": "pie"}, {"type": "pie"}, {"type": "pie"}, {"type": "pie"}],
            [{"type": "pie"},{"type": "pie"}, {"type": "pie"}, {"type": "pie"}, {"type": "pie"}, {"type": "pie"}],
            [{"type": "pie"},{"type": "pie"}, {"type": "pie"}, {"type": "pie"}, {"type": "pie"}, {"type": "pie"}]],
            subplot_titles=years[:18].astype(str))

for i in range(1, 4):
    for j in range(1, 7):
        fig.add_trace(go.Pie(values=dfyear.loc[dfyear.year == years[(i-1) * 6 + j - 1], 'Searches'].iloc[:5], labels=dfyear.loc[dfyear.year == years[(i-1) * 6 + j - 1], 'genre'].iloc[:5]),
                      row=i, col=j)


fig.update_layout(height=700, width=1150, showlegend=True, title_text='Percentage among top 5 most searched genre each year')
fig.show()


dfnew  = pd.DataFrame()
dict1 = {'Country' : [], 'Genre' : []}
def maximus(row):
    dict1['Country'].append(row.geoName)
    dict1['Genre'].append(row.iloc[1:].astype(float).idxmax())
for i in range(2004, 2023):
    dict1 = {'Country' : [], 'Genre' : []}
    dftemp = pd.read_csv('genrecountry' + str(i) + '.csv').dropna()
    dftemp.apply(maximus, axis=1)
    dftemp = pd.DataFrame(dict1)
    dftemp['Year'] = i
    dfnew = pd.concat([dfnew, dftemp])
    
# Cleaning of the names to allow us to merge and get the country codes    
dfnew.loc[dfnew.Country == 'Antigua & Barbuda', 'Country'] = 'Antigua and Barbuda'
dfnew.loc[dfnew.Country == 'Bolivia', 'Country'] = 'Bolivia (Plurinational State of)'
dfnew.loc[dfnew.Country == 'Faroe Islands', 'Country'] = 'Faroe Islands (the)'
dfnew.loc[dfnew.Country == 'Netherlands', 'Country'] = 'Netherlands (the)'
dfnew.loc[dfnew.Country == 'Bahamas', 'Country'] = 'Bahamas (the)'
dfnew.loc[dfnew.Country == 'Bosnia & Herzegovina', 'Country'] = 'Bosnia and Herzegovina'
dfnew.loc[dfnew.Country == 'Trinidad & Tobago', 'Country'] = 'Trinidad and Tobago'
dfnew.loc[dfnew.Country == 'St. Vincent & Grenadines', 'Country'] = 'Saint Vincent and the Grenadines'
dfnew.loc[dfnew.Country == 'British Virgin Islands', 'Country'] = 'Virgin Islands (British)'
dfnew.loc[dfnew.Country == 'U.S. Virgin Islands', 'Country'] = 'Virgin Islands (U.S.)'
dfnew.loc[dfnew.Country == 'Vietnam', 'Country'] = 'Viet Nam'
dfnew.loc[dfnew.Country == 'Venezuela', 'Country'] = 'Venezuela (Bolivarian Republic of)'
dfnew.loc[dfnew.Country == 'United States', 'Country'] = 'United States of America (the)'
dfnew.loc[dfnew.Country == 'United Kingdom', 'Country'] = 'United Kingdom of Great Britain and Northern Ireland (the)'
dfnew.loc[dfnew.Country == 'United Arab Emirates', 'Country'] = 'United Arab Emirates (the)'
dfnew.loc[dfnew.Country == 'Turks & Caicos Islands', 'Country'] = 'Turks and Caicos Islands (the)'
dfnew.loc[dfnew.Country == 'Tanzania', 'Country'] = 'Tanzania, United Republic of'
dfnew.loc[dfnew.Country == 'Taiwan', 'Country'] = 'Taiwan (Province of China)'
dfnew.loc[dfnew.Country == 'Sudan', 'Country'] = 'Sudan (the)'
dfnew.loc[dfnew.Country == 'Sint Maarten', 'Country'] = 'Sint Maarten (Dutch part)'
dfnew.loc[dfnew.Country == 'St. Lucia', 'Country'] = 'Saint Lucia'
dfnew.loc[dfnew.Country == 'St. Kitts & Nevis', 'Country'] = 'Saint Kitts and Nevis'
dfnew.loc[dfnew.Country == 'St. Helena', 'Country'] = 'Saint Helena, Ascension and Tristan da Cunha'
dfnew.loc[dfnew.Country == 'St. Barthélemy', 'Country'] = 'Saint Barthélemy'
dfnew.loc[dfnew.Country == 'Russia', 'Country'] = 'Russian Federation (the)'
dfnew.loc[dfnew.Country == 'Philippines', 'Country'] = 'Philippines (the)'
dfnew.loc[dfnew.Country == 'Palestine', 'Country'] = 'Palestine, State of'
dfnew.loc[dfnew.Country == 'Northern Mariana Islands', 'Country'] = 'Northern Mariana Islands (the)'
dfnew.loc[dfnew.Country == 'Niger', 'Country'] = 'Niger (the)'
dfnew.loc[dfnew.Country == 'Moldova', 'Country'] = 'Moldova (the Republic of)'
dfnew.loc[dfnew.Country == 'Marshall Islands', 'Country'] = 'Marshall Islands (the)'
dfnew.loc[dfnew.Country == 'North Macedonia', 'Country'] = 'Republic of North Macedonia'
dfnew.loc[dfnew.Country == 'Laos', 'Country'] = 'Lao People\'s Democratic Republic (the)'
dfnew.loc[dfnew.Country == 'South Korea', 'Country'] = 'Korea (the Republic of)'
dfnew.loc[dfnew.Country == 'Iran', 'Country'] = 'Iran (Islamic Republic of)'
dfnew.loc[dfnew.Country == 'Gambia', 'Country'] = 'Gambia (the)'
dfnew.loc[dfnew.Country == 'Falkland Islands (Islas Malvinas)', 'Country'] = 'Falkland Islands (the) [Malvinas]'
dfnew.loc[dfnew.Country == 'Dominican Republic', 'Country'] = 'Dominican Republic (the)'
dfnew.loc[dfnew.Country == 'Cook Islands', 'Country'] = 'Cook Islands (the)'
dfnew.loc[dfnew.Country == 'Congo - Kinshasa', 'Country'] = 'Congo (the Democratic Republic of the)'
dfnew.loc[dfnew.Country == 'Congo - Brazzaville', 'Country'] = 'Congo (the)'
dfnew.loc[dfnew.Country == 'Cayman Islands', 'Country'] = 'Cayman Islands (the)'


country = pd.read_csv("CountryCodesThreeLetter.csv", index_col=0)
country = country.dropna()
dfnew2 = dfnew.merge(country, on='Country', how='inner')
dfnew2.Year = dfnew2.Year.astype(int)
dfnew2 = dfnew2.sort_values(by='Year')
dfnew3 = dfnew2


fig = px.choropleth(dfnew3,
                    locations="Alpha-3 code",
                    featureidkey='properties.ADMIN',
                    color='Genre',
                    hover_name='Country',
                    animation_frame='Year',
                    color_discrete_sequence=px.colors.qualitative.Light24
                   )
fig.update_layout(width=1000, height=800)
fig.show()


k = dfnew.groupby('Genre')[['Country']].count().sort_values(by='Country', ascending=False)[:15]
dfnews = dfnew.groupby(['Genre', 'Year'])[['Country']].count().loc[k.index]
years = dfnew.Year.unique()


d = {'Genre' : [], 'Year' : [], 'Count' : []}
for i in k.index:
    for j in years:
        try:
            d['Genre'].append(i)
            d['Year'].append(j)
            d['Count'].append(dfnews.loc[i].loc[j].iloc[-1])
        except KeyError:
            d['Count'].append(0)
df3 = pd.DataFrame(d)


fig = px.bar(df3, x='Genre', y="Count", color="Genre",
  animation_frame="Year", animation_group="Genre", range_y=[0, 60], color_discrete_sequence=px.colors.qualitative.Light24)
fig.show()


dfnew  = pd.DataFrame()
dict1 = {'Country' : [], 'Game' : []}
def maximus(row):
    dict1['Country'].append(row.geoName)
    dict1['Game'].append(row.iloc[1:].astype(float).idxmax())
for i in range(2014, 2023):
    dict1 = {'Country' : [], 'Game' : []}
    dftemp = pd.read_csv('game' + str(i) + '.csv').dropna()
    dftemp.apply(maximus, axis=1)
    dftemp = pd.DataFrame(dict1)
    dftemp['Year'] = i
    dfnew = pd.concat([dfnew, dftemp])
    
dfnew.loc[dfnew.Country == 'Antigua & Barbuda', 'Country'] = 'Antigua and Barbuda'
dfnew.loc[dfnew.Country == 'Bolivia', 'Country'] = 'Bolivia (Plurinational State of)'
dfnew.loc[dfnew.Country == 'Faroe Islands', 'Country'] = 'Faroe Islands (the)'
dfnew.loc[dfnew.Country == 'Netherlands', 'Country'] = 'Netherlands (the)'
dfnew.loc[dfnew.Country == 'Bahamas', 'Country'] = 'Bahamas (the)'
dfnew.loc[dfnew.Country == 'Bosnia & Herzegovina', 'Country'] = 'Bosnia and Herzegovina'
dfnew.loc[dfnew.Country == 'Trinidad & Tobago', 'Country'] = 'Trinidad and Tobago'
dfnew.loc[dfnew.Country == 'St. Vincent & Grenadines', 'Country'] = 'Saint Vincent and the Grenadines'
dfnew.loc[dfnew.Country == 'British Virgin Islands', 'Country'] = 'Virgin Islands (British)'
dfnew.loc[dfnew.Country == 'U.S. Virgin Islands', 'Country'] = 'Virgin Islands (U.S.)'
dfnew.loc[dfnew.Country == 'Vietnam', 'Country'] = 'Viet Nam'
dfnew.loc[dfnew.Country == 'Venezuela', 'Country'] = 'Venezuela (Bolivarian Republic of)'
dfnew.loc[dfnew.Country == 'United States', 'Country'] = 'United States of America (the)'
dfnew.loc[dfnew.Country == 'United Kingdom', 'Country'] = 'United Kingdom of Great Britain and Northern Ireland (the)'
dfnew.loc[dfnew.Country == 'United Arab Emirates', 'Country'] = 'United Arab Emirates (the)'
dfnew.loc[dfnew.Country == 'Turks & Caicos Islands', 'Country'] = 'Turks and Caicos Islands (the)'
dfnew.loc[dfnew.Country == 'Tanzania', 'Country'] = 'Tanzania, United Republic of'
dfnew.loc[dfnew.Country == 'Taiwan', 'Country'] = 'Taiwan (Province of China)'
dfnew.loc[dfnew.Country == 'Sudan', 'Country'] = 'Sudan (the)'
dfnew.loc[dfnew.Country == 'Sint Maarten', 'Country'] = 'Sint Maarten (Dutch part)'
dfnew.loc[dfnew.Country == 'St. Lucia', 'Country'] = 'Saint Lucia'
dfnew.loc[dfnew.Country == 'St. Kitts & Nevis', 'Country'] = 'Saint Kitts and Nevis'
dfnew.loc[dfnew.Country == 'St. Helena', 'Country'] = 'Saint Helena, Ascension and Tristan da Cunha'
dfnew.loc[dfnew.Country == 'St. Barthélemy', 'Country'] = 'Saint Barthélemy'
dfnew.loc[dfnew.Country == 'Russia', 'Country'] = 'Russian Federation (the)'
dfnew.loc[dfnew.Country == 'Philippines', 'Country'] = 'Philippines (the)'
dfnew.loc[dfnew.Country == 'Palestine', 'Country'] = 'Palestine, State of'
dfnew.loc[dfnew.Country == 'Northern Mariana Islands', 'Country'] = 'Northern Mariana Islands (the)'
dfnew.loc[dfnew.Country == 'Niger', 'Country'] = 'Niger (the)'
dfnew.loc[dfnew.Country == 'Moldova', 'Country'] = 'Moldova (the Republic of)'
dfnew.loc[dfnew.Country == 'Marshall Islands', 'Country'] = 'Marshall Islands (the)'
dfnew.loc[dfnew.Country == 'North Macedonia', 'Country'] = 'Republic of North Macedonia'
dfnew.loc[dfnew.Country == 'Laos', 'Country'] = 'Lao People\'s Democratic Republic (the)'
dfnew.loc[dfnew.Country == 'South Korea', 'Country'] = 'Korea (the Republic of)'
dfnew.loc[dfnew.Country == 'Iran', 'Country'] = 'Iran (Islamic Republic of)'
dfnew.loc[dfnew.Country == 'Gambia', 'Country'] = 'Gambia (the)'
dfnew.loc[dfnew.Country == 'Falkland Islands (Islas Malvinas)', 'Country'] = 'Falkland Islands (the) [Malvinas]'
dfnew.loc[dfnew.Country == 'Dominican Republic', 'Country'] = 'Dominican Republic (the)'
dfnew.loc[dfnew.Country == 'Cook Islands', 'Country'] = 'Cook Islands (the)'
dfnew.loc[dfnew.Country == 'Congo - Kinshasa', 'Country'] = 'Congo (the Democratic Republic of the)'
dfnew.loc[dfnew.Country == 'Congo - Brazzaville', 'Country'] = 'Congo (the)'
dfnew.loc[dfnew.Country == 'Cayman Islands', 'Country'] = 'Cayman Islands (the)'
country = pd.read_csv("CountryCodesThreeLetter.csv", index_col=0)
country = country.dropna()
dfnew2 = dfnew.merge(country, on='Country', how='inner')
dfnew2.Year = dfnew2.Year.astype(int)
dfnew2 = dfnew2.sort_values(by='Year')


fig = px.choropleth(dfnew2,
                    locations="Alpha-3 code",
                    featureidkey='properties.ADMIN',
                    color='Game',
                    hover_name='Country',
                    animation_frame='Year',
                    color_discrete_sequence=px.colors.qualitative.Light24
                   )
fig.update_layout(width=1000, height=800)
fig.show()


plt.figure(figsize=(25,5))
ax = sns.barplot(x ='genre', y='Count', data = genreCount, palette="turbo")
ax = ax.bar_label(ax.containers[0])
plt.title('Comparison between the number of games for each genre')
plt.ylabel('Number of games')
plt.xlabel('Genre')
plt.annotate('', xy=(5, 2000), xytext=(1, 4000), arrowprops=dict(facecolor='red'))
plt.annotate('Slow decrease in number of game', xy=(1, 2000), xytext=(2, 3100), rotation=-18)
plt.show()


dfyear = pd.read_csv('yearlygenre.csv', index_col=0)
dfCount = pd.DataFrame(dfyear.genre.value_counts()).reset_index().iloc[:15]
dfCount.columns = ['genre', 'numYear']
fig = px.bar(dfCount, y='numYear', x='genre', title='Comparison of the number of years a genre was in the top 15 seached genres of the year').update_layout(
    yaxis_title="Number of Years", xaxis_title="Genre"
)


dfCount.merge(genreCount, on='genre', how='inner')


plt.figure(figsize=(40, 7))
platCount = platforms.groupby('data')[['name']].count().reset_index().sort_values(by='name',ascending=False)
ax = sns.barplot(x ='data', y='name', data = platCount, palette="turbo")
ax = ax.bar_label(ax.containers[0])
plt.title('Comparison between the number of games released for each platform')
plt.ylabel('Number of Games')
plt.xlabel('Platform')
plt.annotate('', xy=(5, 2000), xytext=(1, 4000), arrowprops=dict(facecolor='red'))
plt.annotate('Large decline from PC onwards', xy=(1, 2000), xytext=(2, 3100), rotation=-20)
plt.show()


plt.figure(figsize=(17,17))
df_plat = df_plat[df_plat['genre'].isin(genreCount.genre)] # We are only displaying the genres with the most games, this will thus allow us to have more datapoints
dfHeat = df_plat.groupby(['platform','genre'])['rating'].median().reset_index()
dfHeat = dfHeat.pivot('platform','genre','rating')
sns.heatmap(dfHeat,annot=True,cmap='turbo',linewidths=0.4)
plt.title('Median rating by platform and genre')
plt.xlabel('Genre')
plt.ylabel('Platform')

Text(132.0, 0.5, 'Platform')


plt.figure(figsize=(17,17))
dfHeat = df_plat.groupby(['platform','year'])['rating'].median().reset_index()
dfHeat = dfHeat.pivot('platform','year','rating')
sns.heatmap(dfHeat,annot=True,cmap='turbo',linewidths=0.4)
plt.title('Median rating by platform and year')
plt.xlabel('Year')
plt.ylabel('Platform')

Text(132.0, 0.5, 'Platform')


# Create figure
fig = go.Figure()

fig.add_trace(
    go.Scatter(x=list(datedf.date_formatted), y=signal.savgol_filter(list(datedf.name), 12, 2), name='Smoothened games per month')) # Makes a lineplot for 


# Sets title
fig.update_layout(
    title_text="Timeseries of number of games released",
    yaxis_title='Number of games',
    xaxis_title='Date'
)

# Adds a range slider
fig.update_layout( 
    xaxis=dict(
        rangeselector=dict(
            buttons=list([
                dict(count=6,
                     label="6m",
                     step="month",
                     stepmode="backward"),
                dict(count=1,
                     label="YTD",
                     step="year",
                     stepmode="todate"),
                dict(count=1,
                     label="1y",
                     step="year",
                     stepmode="backward"),
                dict(step="all")
            ])
        ),
        rangeslider=dict(
            visible=True
        ),
        type="date"
    )
)

fig.show()


fig = make_subplots(specs=[[{"secondary_y": True}]])

# Add traces
fig.add_trace(
    go.Scatter(x=list2, y=sales.groupby('num')[['sales']].median().sales, name="Median sales of Games"),
    secondary_y=False,
)

fig.add_trace(
    go.Scatter(x=list2, y=sales.groupby('num')[['sales']].count().sales, name="Number of Games released"),
    secondary_y=True,
)

# Add figure title
fig.update_layout(
    title_text= "Trend of games sales vs number of games released"
)

# Set x-axis title
fig.update_xaxes(title_text="Months")

# Set y-axes titles
fig.update_yaxes(title_text="Sales / 10e6", secondary_y=False)
fig.update_yaxes(title_text="Number of games", secondary_y=True)

fig.show()


plt.figure(figsize=(10,10))
df['rating'].hist(edgecolor='black')
plt.title('Histogram of rating')
plt.ylabel('Number of games')
plt.xlabel('Rating')
ax = plt.axvline(df['rating'].median(),color='r',linestyle='dashed')
plt.annotate('Median: ' + str(df['rating'].median()), xy=(32, 72), xytext=(53, 3500), fontsize=15)
plt.show()


nrow=3
ncol=5
 
genres = genreCount.genre
fig = plt.figure(figsize=(16,8))
gs = fig.add_gridspec(nrow, ncol)
axes = gs.subplots(sharex=True, sharey=True)


df_list = []
for i in genres:
    df_list.append(df_genres.loc[df_genres.genre == i,'rating'])
sns.set_color_codes("bright")
for count in range(nrow * ncol):
    nrow, ncol = divmod(count, 3)
    df_list[count].hist(edgecolor='black', alpha=0.3, color='red', ax=axes[ncol, nrow])
    axes[ncol, nrow].text(30, 750, str(genres.iloc[count]))
    
    axes[ncol, nrow].axvline(df['rating'].median(),color='b',linestyle='dashed') # This shows the median of all game ratings
    axes[ncol, nrow].axvline(df_list[count].median(),color='g',linestyle='dashed') # This shows the median of the ratings for the games of these genres
    
plt.suptitle("Rating distribution across genres\nGreen line is the median rating of genre, Blue line is overall median rating")
plt.show()


nrow=5
ncol=4
 
years = df.year.unique()
fig = plt.figure(figsize=(16,8))
gs = fig.add_gridspec(nrow, ncol)
axes = gs.subplots(sharex=True, sharey=True)


df_list = []
for i in years:
    df_list.append(df_genres.loc[df_genres.year == i,'rating'])

for count in range(nrow * ncol):
    nrow, ncol = divmod(count, 5)
    df_list[count].hist(edgecolor='black', alpha=0.3, color='red', ax=axes[ncol, nrow])
    axes[ncol, nrow].text(30, 500, str(years[count]))
    axes[ncol, nrow].axvline(df['rating'].median(),color='b',linestyle='dashed') # This shows the median of all game ratings
    axes[ncol, nrow].axvline(df_list[count].median(),color='g',linestyle='dashed') # This shows the median of the ratings of games from the year
plt.suptitle("Rating distribution across years\nGreen line is the median rating of genre, Blue line is overall median rating")
plt.show()


years = dfyear.year.unique()
df_list = []
for i in years:
    df_list.append(dfyear.loc[dfyear.year == i,['genre', 'Searches']])

fig = make_subplots(
    rows=3, cols=6,
    specs = [[{"type": "pie"},{"type": "pie"}, {"type": "pie"}, {"type": "pie"}, {"type": "pie"}, {"type": "pie"}],
            [{"type": "pie"},{"type": "pie"}, {"type": "pie"}, {"type": "pie"}, {"type": "pie"}, {"type": "pie"}],
            [{"type": "pie"},{"type": "pie"}, {"type": "pie"}, {"type": "pie"}, {"type": "pie"}, {"type": "pie"}]],
            subplot_titles=years[:18].astype(str))

for i in range(1, 4):
    for j in range(1, 7):
        fig.add_trace(go.Pie(values=dfyear.loc[dfyear.year == years[(i-1) * 6 + j - 1], 'Searches'].iloc[:5], labels=dfyear.loc[dfyear.year == years[(i-1) * 6 + j - 1], 'genre'].iloc[:5]),
                      row=i, col=j)


fig.update_layout(height=700, width=1150, showlegend=True, title_text='Percentage among top 5 most searched genre each year')
fig.update_traces(textinfo='none')
fig.show()


fig = px.choropleth(dfnew3,
                    locations="Alpha-3 code",
                    featureidkey='properties.ADMIN',
                    color='Genre',
                    hover_name='Country',
                    animation_frame='Year',
                    color_discrete_sequence=px.colors.qualitative.Light24
                   )
fig.update_layout(width=1000, height=800)
fig.show()


dfnew2.loc[((dfnew2.Year == 2015) & (dfnew2.Game == 'Fallout 4: Automatron')), 'Game'] = 'Fallout 4'


fig = px.choropleth(dfnew2,
                    locations="Alpha-3 code",
                    featureidkey='properties.ADMIN',
                    color='Game',
                    hover_name='Country',
                    animation_frame='Year',
                    color_discrete_sequence=px.colors.qualitative.Light24
                   )
fig.update_layout(width=1000, height=800)
fig.show()


df = pd.read_csv('cleaningMeta2.csv',index_col=0)


df.loc[df.name == '.hack//G.U. Last Recode', 'Code'] = '/g/11g8txr50k'
df.loc[df.name == 'Famicom Detective Club: The Missing Heir', 'Code'] = 'Famicom Detective Club: The Missing Heir'
df.loc[df.name == 'Hextech Mayhem: A League of Legends Story', 'Code'] = 'Hextech Mayhem: A League of Legends Story'
df.loc[df.name == 'Darksiders Genesis', 'Code'] = '/m/011l5s9c'
df.loc[df.name == 'Pokemon Sword / Shield: The Crown Tundra', 'Code'] = '/g/11jrgdnfk8'
df.loc[df.name == 'void tRrLM(); //Void Terrarium', 'Code'] = 'void tRrLM(); //Void Terrarium'
df.loc[df.name == 'Pokemon Sword / Shield: The Isle of Armor', 'Code'] = '/g/11k6f9p9dc'
df.loc[df.name == 'Resident Evil: Resistance', 'Code'] = '/g/11hdvdpwm3'
df.loc[df.name == 'Infini', 'Code'] = 'Infini'
df.loc[df.name == 'Final Fantasy VII', 'Code'] = '/m/0dvzv'
df.loc[df.name == 'Pokemon Sword / Shield Dual Pack', 'Code'] = '/g/11fk16tpkz'
df.loc[df.name == 'FIFA 20', 'Code'] = '/g/11hyd49rk6'
df.loc[df.name == 'Fate/Extella Link', 'Code'] = '/g/11fk0wkvgs'
df.loc[df.name == 'Devil May Cry', 'Code'] = '/m/031_55'
df.loc[df.name == "Marvel's Spider-Man", 'Code'] = '/g/11bzx4tgt5'
df.loc[df.name == "Dragon Quest Builders", 'Code'] = '/g/11b807hz5j'
df.loc[df.name == "Crash Bandicoot N. Sane Trilogy", 'Code'] = '/g/11c1ldfl8b'
df.loc[df.name == "Life is Strange 2", 'Code'] = 'Life is Strange 2'
df.loc[df.name == "Luigi's Mansion", 'Code'] = '/g/1q64lm9r5'
df.loc[df.name == "Tour de France 2018", 'Code'] = 'Tour de France 2018'
df.loc[df.name == "Hollow", 'Code'] = 'Hollow'
df.loc[df.name == "Forza Horizon 3: Hot Wheels", 'Code'] = '/g/11bzs55v4g'
df.loc[df.name == "Monster Hunter Stories", 'Code'] = '/g/11f006gvtd'
df.loc[df.name == "The Elder Scrolls Online: Morrowind", 'Code'] = '/g/11dfpjqlr4'
df.loc[df.name == "LEGO Marvel Super Heroes 2", 'Code'] = '/g/11dd_sgr0t'
df.loc[df.name == "Disney/Pixar Cars 3: Driven to Win", 'Code'] = '/g/11dfj4rps3'
df.loc[df.name == "Fate/Extella: The Umbral Star", 'Code'] = '/g/11c438hg8h'
df.loc[df.name == "Rush: A Disney / Pixar Adventure", 'Code'] = '/m/0kz2xtj'
df.loc[df.name == "Total War: WARHAMMER", 'Code'] = '/g/11bycc23kh'
df.loc[df.name == "DiRT Rally", 'Code'] = '/m/0134z8m5'
df.loc[df.name == "Ratchet & Clank", 'Code'] = '/m/010wb8qx'
df.loc[df.name == "Unravel", 'Code'] = 'Unravel'
df.loc[df.name == "Battlefleet Gothic: Armada", 'Code'] = '/m/012npm6w'
df.loc[df.name == "Valley", 'Code'] = 'Valley'
df.loc[df.name == "Transport Fever", 'Code'] = '/g/11c5m3m5t6'
df.loc[df.name == "Bridge Constructor", 'Code'] = '/g/11c67whk2l'
df.loc[df.name == "Tron RUN/r", 'Code'] = '/g/11bzq2_5tx'
df.loc[df.name == "Life is Strange", 'Code'] = '/g/0129c4zc'
df.loc[df.name == "Hand of Fate", 'Code'] = '/m/0134jnqz'
df.loc[df.name == "Inazuma Eleven Go: Chrono Stones: Wildfire", 'Code'] = 'Inazuma Eleven Go: Chrono Stones: Wildfire'
df.loc[df.name == "Star Wars Battlefront", 'Code'] = '/m/05b10f9'
df.loc[df.name == "Dying Light", 'Code'] = '/m/0vpvzzc'
df.loc[df.name == "The Evil Within: The Consequence", 'Code'] = 'The Evil Within: The Consequence'
df.loc[df.name == "Mercenaries Saga 2: Order Of The Silver Eagle", 'Code'] = 'Mercenaries Saga 2: Order Of The Silver Eagle'
df.loc[df.name == "Divinity: Original Sin", 'Code'] = '/m/0j_3rsw'
df.loc[df.name == "Super Mega Baseball", 'Code'] = '/m/013679bm'
df.loc[df.name == "Frozen Synapse Prime", 'Code'] = '/m/013679bm'
df.loc[df.name == "Call of Duty: Advanced Warfare", 'Code'] = '/m/010gp6bl'
df.loc[df.name == "Marvel Heroes 2015", 'Code'] = 'Marvel Heroes 2015'
df.loc[df.name == "The Evil Within", 'Code'] = 'The Evil Within'
df.loc[df.name == "Azure Striker Gunvolt", 'Code'] = '/g/1q620sbxf'
df.loc[df.name == "Surge Deluxe", 'Code'] = 'Surge Deluxe'
df.loc[df.name == "Risk of Rain", 'Code'] = '/m/0_frnxs'
df.loc[df.name == "The Denpa Men 2: Beyond the Waves", 'Code'] = 'The Denpa Men 2: Beyond the Waves'
df.loc[df.name == "Call of Duty: Black Ops II", 'Code'] = '/m/6u0ddg1nk'
df.loc[df.name == "Shelter", 'Code'] = 'Shelter'
df.loc[df.name == "Dynasty Warriors 8", 'Code'] = '/m/0nbv0r9'
df.loc[df.name == "Picross e3", 'Code'] = 'Picross e3'
df.loc[df.name == "Dynasty Warriors 7 Empires", 'Code'] = '/g/11cn68sl0q'
df.loc[df.name == "Legend of Dungeon", 'Code'] = 'Legend of Dungeon'
df.loc[df.name == "Senran Kagura Burst", 'Code'] = '/g/119x73_3j'
df.loc[df.name == "Pac-Man and the Ghostly Adventures", 'Code'] = '/m/010fhj63'
df.loc[df.name == "Horizon", 'Code'] = 'Horizon 4X'
df.loc[df.name == "Marvel Heroes", 'Code'] = 'Marvel Heroes'
df.loc[df.name == "Sniper: Ghost Warrior 2", 'Code'] = '/m/0gx1s3k'
df.loc[df.name == "Marvel Heroes", 'Code'] = 'Marvel Heroes'
df.loc[df.name == "Farming Simulator", 'Code'] = '/g/11cny30n9v'
df.loc[df.name == "FIFA Soccer 13", 'Code'] = '/m/0kyqzxz'
df.loc[df.name == "Forza Horizon", 'Code'] = '/m/0j674jh'
df.loc[df.name == "New Super Mario Bros. U", 'Code'] = '/m/0gwygtq'
df.loc[df.name == "Crusader Kings II", 'Code'] = '/m/0gx2sw9'
df.loc[df.name == "SoulCalibur V", 'Code'] = '/m/0gtvxhq'
df.loc[df.name == "NCAA Football 13", 'Code'] = '/m/0j3gdc1'
df.loc[df.name == "Retro/Grade", 'Code'] = 'Retro/Grade'
df.loc[df.name == "Marvel Pinball 3D", 'Code'] = 'Marvel Pinball 3D'
df.loc[df.name == "Zumba Fitness Rush", 'Code'] = 'Zumba Fitness Rush'
df.loc[df.name == "Ninja Gaiden Sigma Plus", 'Code'] = 'Ninja Gaiden Sigma Plus'
df.loc[df.name == "Disney/Pixar Brave", 'Code'] = '/m/0j62gsp'
df.loc[df.name == "One Piece: Pirate Warriors", 'Code'] = 'One Piece Pirate Warriors'
df.loc[df.name == "Disney Epic Mickey: The Power of Illusion", 'Code'] = '/m/0j7kknc'
df.loc[df.name == "Realms of Ancient War", 'Code'] = 'Realms of Ancient War'
df.loc[df.name == "Dark Souls", 'Code'] = 'Dark Souls'
df.loc[df.name == "Unity of Command", 'Code'] = '/m/0kz2ggb'
df.loc[df.name == "Orcs Must Die!", 'Code'] = '/m/0gjblh5'
df.loc[df.name == "Madden NFL 12", 'Code'] = 'Madden NFL 12'
df.loc[df.name == "Call of Duty: Black Ops - Annihilation", 'Code'] = '/m/0bwm8y4'
df.loc[df.name == "FIFA Soccer 11", 'Code'] = 'FIFA 11'
df.loc[df.name == "Split/Second", 'Code'] = '/m/05p7dd3'
df.loc[df.name == "Madden NFL 11", 'Code'] = 'Madden NFL 11'
df.loc[df.name == "Dance Central", 'Code'] = '/m/0c3vh7y'
df.loc[df.name == "Disney/Pixar Toy Story 3", 'Code'] = '/m/0bbxrf3'
df.loc[df.name == "Art Academy", 'Code'] = 'Art Academy'
df.loc[df.name == "Dark Fall 3: Lost Souls", 'Code'] = 'Dark Fall 3: Lost Souls'
df.loc[df.name == "Kinect Sports", 'Code'] = '/m/0cc7732'
df.loc[df.name == "MotoGP 09/10", 'Code'] = '/m/0kyr263'
df.loc[df.name == "Sackboy's Prehistoric Moves", 'Code'] = "Sackboy's Prehistoric Moves"
df.loc[df.name == "Blood Drive", 'Code'] = 'Blood Drive'
df.loc[df.name == "Tom Clancy's Ghost Recon", 'Code'] = '/m/012blkpq'
df.loc[df.name == "Starpoint Gemini", 'Code'] = '/m/09rwr8z'
df.loc[df.name == "Football Manager 2010", 'Code'] = 'Football Manager 2010'
df.loc[df.name == "LocoRoco 2", 'Code'] = '/m/04y5lw2'
df.loc[df.name == "ZEN Pinball", 'Code'] = '/m/0102g27c'
df.loc[df.name == "The Path", 'Code'] = 'The Path'
df.loc[df.name == "Wings of Prey", 'Code'] = 'Wings of Prey'
df.loc[df.name == "Grand Slam Tennis", 'Code'] = 'Grand Slam Tennis'
df.loc[df.name == "ArmA II", 'Code'] = '/m/02r2br8'
df.loc[df.name == "Resident Evil Archives: Resident Evil", 'Code'] = '/g/120x6jyz'
df.loc[df.name == "FIFA Manager 10", 'Code'] = '/m/05z_f50'
df.loc[df.name == "Kingdom Hearts 358/2 Days", 'Code'] = '/m/03c2kfr'
df.loc[df.name == "Fate/Unlimited Codes", 'Code'] = '/m/064qwbx'
df.loc[df.name == "Killing Floor", 'Code'] = '/m/05zl3dg'
df.loc[df.name == "Onslaught", 'Code'] = 'Onslaught'
df.loc[df.name == "Disney/Pixar Up", 'Code'] = 'Disney/Pixar Up'
df.loc[df.name == "Pokemon Rumble", 'Code'] = 'Pokemon Rumble'
df.loc[df.name == "Fortix", 'Code'] = 'Fortix'
df.loc[df.name == "Disney/Pixar Cars Race-O-Rama", 'Code'] = '/m/06zq8vm'
df.loc[df.name == "Disney/Pixar Toy Story Mania!", 'Code'] = '/m/05szv5k'
df.loc[df.name == "NBA Unrivaled", 'Code'] = 'NBA Unrivaled'
df.loc[df.name == "FIFA Soccer 09", 'Code'] = '/m/04czf4m'
df.loc[df.name == "FIFA Soccer 09 All-Play", 'Code'] = '/m/04czf4m'
df.loc[df.name == "Madden NFL 09", 'Code'] = '/m/02w6zqt'
df.loc[df.name == "Yakuza 2", 'Code'] = '/m/0gnlkv'
df.loc[df.name == "Assault Heroes 2", 'Code'] = '/m/03wcc37'
df.loc[df.name == "Omega Five", 'Code'] = 'Omega Five'
df.loc[df.name == "Guitar Hero: On Tour", 'Code'] = '/m/05szsdh'
df.loc[df.name == "Mario & Sonic at the Olympic Games", 'Code'] = '/m/02q8x4x'
df.loc[df.name == "Star Wars The Clone Wars: Jedi Alliance", 'Code'] = 'Star Wars The Clone Wars: Jedi Alliance'
df.loc[df.name == "Need for Speed Undercover", 'Code'] = '/m/047ph68'
df.loc[df.name == "AC/DC Live: Rock Band Track Pack", 'Code'] = '/g/121qyctc'
df.loc[df.name == "Sega Bass Fishing", 'Code'] = '/m/0dnlp8'
df.loc[df.name == "Warriors Orochi", 'Code'] = '/m/0282t9n'
df.loc[df.name == "Legendary", 'Code'] = 'Legendary'
df.loc[df.name == "Sega Bass Fishing", 'Code'] = '/m/0dnlp8'
df.loc[df.name == "The Witcher", 'Code'] = '/m/0gs0nr'
df.loc[df.name == "Hot Shots Tennis", 'Code'] = 'Hot Shots Tennis'
df.loc[df.name == "Disney/Pixar Cars Mater-National Championship", 'Code'] = '/m/02qjcgg'
df.loc[df.name == "Touch Detective 2 1/2", 'Code'] = '/m/02w0rh6'
df.loc[df.name == "Disney/Pixar Ratatouille", 'Code'] = '/m/02q532n'
df.loc[df.name == "Hot Shots Tennis", 'Code'] = 'Hot Shots Tennis'
df.loc[df.name == ".hack//GU Vol. 2//Reminisce", 'Code'] = '/m/0kymjcg'
df.loc[df.name == ".hack//G.U. vol. 3//Redemption", 'Code'] = '/m/07xgyjt'
df.loc[df.name == "Wii Play", 'Code'] = '/m/0h0604'
df.loc[df.name == "Fury", 'Code'] = 'Fury'
df.loc[df.name == "Monster Jam", 'Code'] = 'Monster Jam'
df.loc[df.name == "New Super Mario Bros.", 'Code'] = '/m/05_wxv'
df.loc[df.name == "Kingdom Hearts II", 'Code'] = '/m/05sp5n'
df.loc[df.name == "Call of Duty 3", 'Code'] = '/m/07z_fn'
df.loc[df.name == "OutRun 2006: Coast 2 Coast", 'Code'] = '/m/097pdv'
df.loc[df.name == "Race Driver 2006", 'Code'] = 'Race Driver 2006'
df.loc[df.name == "Need for Speed: Carbon", 'Code'] = '/m/0d1k7_'
df.loc[df.name == "Call of Duty 3", 'Code'] = '/m/07z_fn'
df.loc[df.name == "Need for Speed Carbon", 'Code'] = '/m/0d1k7_'
df.loc[df.name == "Naruto: Ultimate Ninja", 'Code'] = 'Naruto: Ultimate Ninja'
df.loc[df.name == "Disney/Pixar Cars", 'Code'] = '/m/0ck9j5'
df.loc[df.name == "Naruto: Clash of Ninja", 'Code'] = '/m/0792qj'
df.loc[df.name == "Astonishia Story", 'Code'] = '/m/0102m4pq'
df.loc[df.name == ".hack//G.U. vol. 1//Rebirth", 'Code'] = '/m/0kypyb4'
df.loc[df.name == "Night Watch", 'Code'] = 'Night Watch'
df.loc[df.name == "MotoGP", 'Code'] = '/m/09gd_q'
df.loc[df.name == "NASCAR", 'Code'] = '/m/0dtxz_'
df.loc[df.name == "Tokyo Xtreme Racer DRIFT", 'Code'] = '/m/027bpfk'
df.loc[df.name == "God of War", 'Code'] = '/m/05h8hz'
df.loc[df.name == "Game Tycoon", 'Code'] = 'Game Tycoon'
df.loc[df.name == "Battlefield 2", 'Code'] = '/m/03f_ln'
df.loc[df.name == "Guild Wars", 'Code'] = '/m/026br6k'
df.loc[df.name == "Mercenaries", 'Code'] = '/m/059z9v'
df.loc[df.name == "Need for Speed: Most Wanted (2005)", 'Code'] = '/m/08yjg0'
df.loc[9861, 'Code'] = '/m/08yjg0'
df.loc[df.name == "Super Monkey Ball Deluxe", 'Code'] = '/m/0dkdlp'
df.loc[df.name == "MLB", 'Code'] = '/m/0c13fb'
df.loc[df.name == "Star Wars: Battlefront II", 'Code'] = '/m/069jjt'
df.loc[df.name == "Lego Star Wars", 'Code'] = 'Lego Star Wars'
df.loc[df.name == "LEGO Star Wars", 'Code'] = 'Lego Star Wars'
df.loc[df.name == "The King of Fighters 02/03", 'Code'] = 'The King of Fighters 02/03'
df.loc[df.name == "In the Groove", 'Code'] = '/m/03qt3h'
df.loc[df.name == "Dr. Mario / Puzzle League", 'Code'] = '/m/09x3fj'
df.loc[df.name == "Dragon Ball Z: Budokai Tenkaichi", 'Code'] = 'Dragon Ball Z: Budokai Tenkaichi'
df.loc[df.name == "Romance of the Three Kingdoms X", 'Code'] = '/m/06_14j'
df.loc[df.name == "DK: King of Swing", 'Code'] = '/m/06gg3z'
df.loc[df.name == "Cold War", 'Code'] = 'Cold War'
df.loc[df.name == "Chaos Field", 'Code'] = '/m/0dsttc'
df.loc[df.name == "Shining Tears", 'Code'] = '/m/08y2lx'
df.loc[df.name == "Dead to Rights: Reckoning", 'Code'] = '/m/02x3z76'
df.loc[df.name == "Death by Degrees", 'Code'] = '/m/073jy7'
df.loc[df.name == "World of Warcraft", 'Code'] = '/m/021dvx'
df.loc[df.name == "Rome: Total War", 'Code'] = '/m/02_wm5'
df.loc[df.name == "Ninja Gaiden", 'Code'] = '/m/0fd2rd'
df.loc[df.name == "Pikmin 2", 'Code'] = '/m/02xn2f'
df.loc[df.name == "Viewtiful Joe", 'Code'] = '/m/03nxpv'
df.loc[df.name == "Call of Duty: United Offensive", 'Code'] = '/m/031_9z'
df.loc[df.name == "Tales of Symphonia", 'Code'] = '/m/03kd6v'
df.loc[df.name == "Warhammer 40,000: Dawn of War", 'Code'] = '/m/03q8_3'
df.loc[df.name == "Metal Gear Solid: The Twin Snakes", 'Code'] = '/m/02wlm1'
df.loc[df.name == "Classic NES Series: The Legend of Zelda", 'Code'] = '/m/01633s'
df.loc[df.name == "NBA Ballers", 'Code'] = '/m/09yrt1'
df.loc[df.name == "Shin Megami Tensei: Nocturne", 'Code'] = '/m/05pgsp'
df.loc[df.name == "Phantom Brave", 'Code'] = '/m/047b8h'
df.loc[df.name == "RollerCoaster Tycoon 3", 'Code'] = '/m/044yrn'
df.loc[df.name == "Mario vs. Donkey Kong", 'Code'] = '/m/040gqk'
df.loc[df.name == "TOCA Race Driver 2: The Ultimate Racing Simulator", 'Code'] = '/m/05b6nch'
df.loc[df.name == "Mario Power Tennis", 'Code'] = '/m/046tc0'
df.loc[df.name == "Syberia II", 'Code'] = '/m/050ff2'
df.loc[df.name == "Final Fantasy Crystal Chronicles", 'Code'] = '/m/0262yb'
df.loc[df.name == "Tony Hawk's Underground 2", 'Code'] = 'Tony Hawk\'s Underground 2'
df.loc[df.name == "NCAA Football 2005", 'Code'] = 'NCAA Football 2005'
df.loc[df.name == "Star Wars: Battlefront", 'Code'] = '/m/044ccj'
df.loc[df.name == "FIFA Soccer 2005", 'Code'] = 'FIFA Soccer 2005'
df.loc[df.name == "R-Type Final", 'Code'] = '/m/06q6yp'
df.loc[df.name == "Dance Dance Revolution Extreme", 'Code'] = '/m/04ssjh'
df.loc[df.name == "Evil Genius", 'Code'] = '/m/03xbk0'
df.loc[df.name == "Feel the Magic: XY/XX", 'Code'] = '/m/044_v_'
df.loc[df.name == "TrackMania (2003)s", 'Code'] = 'TrackMania'
df.loc[df.name == "Crusader Kings", 'Code'] = '/m/079rt6'
df.loc[df.name == "Samurai Warriors: Xtreme Legends", 'Code'] = 'Samurai Warriors: Xtreme Legends'
df.loc[df.name == "Sega Superstars", 'Code'] = '/m/0459_r'
df.loc[df.name == "Dynasty Warriors 4: Empires", 'Code'] = 'Dynasty Warriors 4: Empires'
df.loc[df.name == ".hack//Quarantine Part 4", 'Code'] = '/m/07k7c5'
df.loc[df.name == "Grand Theft Auto", 'Code'] = '/m/0c40ym'
df.loc[df.name == "Monster Hunter", 'Code'] = '/m/04zshp'
df.loc[df.name == "True Crime: Streets of LA", 'Code'] = 'True Crime: Streets of LA'
df.loc[df.name == "Excitebike", 'Code'] = '/m/02sdnc'
df.loc[df.name == "The Incredibles", 'Code'] = 'The Incredibles'
df.loc[df.name == "Lifeline", 'Code'] = 'Lifeline'
df.loc[df.name == "Spyro Orange: The Cortex Conspiracy", 'Code'] = 'Spyro Orange: The Cortex Conspiracy'
df.loc[df.name == "Rapala Pro Fishing", 'Code'] = '/m/0kz1jrh'
df.loc[df.name == "Classic NES Series: Metroid", 'Code'] = '/m/04d5rb'
df.loc[df.name == "Disney/Pixar The Incredibles", 'Code'] = 'The Incredibles'
df.loc[df.name == "Two Thrones", 'Code'] = '/m/02wvl8c'
df.loc[df.name == "Under the Skin", 'Code'] = 'Under the Skin'
df.loc[df.name == "ChoroQ", 'Code'] = 'ChoroQ'


df = df.drop_duplicates(subset=['Code'], keep='last')

	name	data	year	month	link
0	Elden Ring	Xbox Series X	2022	NaN	https://www.metacritic.com//game/xbox-series-x...
1	Elden Ring	PlayStation 5	2022	NaN	https://www.metacritic.com//game/playstation-5...
2	Portal Companion Collection	Switch	2022	NaN	https://www.metacritic.com//game/switch/portal...
3	Elden Ring	PC	2022	NaN	https://www.metacritic.com//game/pc/elden-ring
4	The Stanley Parable: Ultra Deluxe	Xbox Series X	2022	NaN	https://www.metacritic.com//game/xbox-series-x...
...	...	...	...	...	...
19480	Resident Evil: Survivor	PlayStation	2000	NaN	https://www.metacritic.com//game/playstation/r...
19481	ECW Anarchy Rulz	Dreamcast	2000	NaN	https://www.metacritic.com//game/dreamcast/ecw...
19482	Duke Nukem: Land of the Babes	PlayStation	2000	NaN	https://www.metacritic.com//game/playstation/d...
19483	Mortal Kombat: Special Forces	PlayStation	2000	NaN	https://www.metacritic.com//game/playstation/m...
19484	HBO Boxing	PlayStation	2000	NaN	https://www.metacritic.com//game/playstation/h...

	name	data	year	month	link	index	genre	day	rating	Code
0	Elden Ring	Xbox Series X	2022	Feb	https://www.metacritic.com//game/xbox-series-x...	0	Role-Playing,Action RPG	25	96	/g/11h3z4_20j
2	The Stanley Parable: Ultra Deluxe	Xbox Series X	2022	Apr	https://www.metacritic.com//game/xbox-series-x...	2	Adventure,3D,First-Person	27	93	/g/11j53dfzz5
3	God of War (2018)	PC	2022	Jan	https://www.metacritic.com//game/pc/god-of-war	3	Action Adventure,Linear	14	93	/m/02qyf34
4	Immortality	Xbox Series X	2022	Aug	https://www.metacritic.com//game/xbox-series-x...	4	Adventure,General	30	90	Immortality
5	Cuphead in the Delicious Last Course	Xbox One	2022	Jun	https://www.metacritic.com//game/xbox-one/cuph...	5	Action,Platformer,2D	30	92	/g/11ghtdw1pq
...	...	...	...	...	...	...	...	...	...	...
12588	MTV Sports: Skateboarding featuring Andy Macdo...	PlayStation	2000	Sep	https://www.metacritic.com//game/playstation/m...	12588	Sports,Alternative,Skateboarding	12	40	/m/0kypkkl
12589	Resident Evil: Survivor	PlayStation	2000	Aug	https://www.metacritic.com//game/playstation/r...	12589	Action Adventure,Horror	30	39	/g/11hdvdpwm3
12590	Duke Nukem: Land of the Babes	PlayStation	2000	Sep	https://www.metacritic.com//game/playstation/d...	12590	Action,Shooter,Third-Person,Sci-Fi	19	37	/m/0977sd
12591	Mortal Kombat: Special Forces	PlayStation	2000	Jun	https://www.metacritic.com//game/playstation/m...	12591	Action,Beat-'Em-Up	30	28	Mortal Kombat: Special Forces
12592	HBO Boxing	PlayStation	2000	Nov	https://www.metacritic.com//game/playstation/h...	12592	Sports,Traditional,Boxing	20	26	/m/0kyn71x

	name	data	year	month	link	index	genre	day	rating	Code
0	Elden Ring	Xbox Series X	2022	Feb	https://www.metacritic.com//game/xbox-series-x...	0	Role-Playing,Action RPG	25	96	/g/11h3z4_20j
2	The Stanley Parable: Ultra Deluxe	Xbox Series X	2022	Apr	https://www.metacritic.com//game/xbox-series-x...	2	Adventure,3D,First-Person	27	93	/g/11j53dfzz5
3	God of War (2018)	PC	2022	Jan	https://www.metacritic.com//game/pc/god-of-war	3	Action Adventure,Linear	14	93	/g/11bzs2snwf
4	Immortality	Xbox Series X	2022	Aug	https://www.metacritic.com//game/xbox-series-x...	4	Adventure,General	30	90	Immortality
5	Cuphead in the Delicious Last Course	Xbox One	2022	Jun	https://www.metacritic.com//game/xbox-one/cuph...	5	Action,Platformer,2D	30	92	/g/11ghtdw1pq
...	...	...	...	...	...	...	...	...	...	...
10807	McFarlane's Evil Prophecy	PlayStation 2	2004	Jun	https://www.metacritic.com//game/playstation-2...	10807	Action,General	15	34	/m/0df0bb
10808	Coliseum	PC	2004	Jan	https://www.metacritic.com//game/pc/coliseum	10808	Strategy,Breeding/Constructing,General	6	32	Coliseum
10809	Forever Worlds - Enter the Unknown	PC	2004	Apr	https://www.metacritic.com//game/pc/forever-wo...	10809	Adventure,3D,First-Person,Fantasy,Fantasy	5	31	Forever Worlds - Enter the Unknown
10810	Fear Factor: Unleashed	Game Boy Advance	2004	Nov	https://www.metacritic.com//game/game-boy-adva...	10810	Action Adventure,Modern	17	30	/m/06zpymj
10811	Ping Pals	DS	2004	Dec	https://www.metacritic.com//game/ds/ping-pals	10811	Simulation,Miscellaneous,Virtual Life,Virtual,...	8	28	/m/056bxq

	name	data	sales
0	Minecraft	All	238.00m
1	Grand Theft Auto V	All	170.00m
2	Wii Sports	Wii	82.90m
3	PlayerUnknown's Battlegrounds	All	70.00m
4	Mario Kart 8 Deluxe	NS	46.82m
...	...	...	...
21371	Resident Evil 5: Gold Edition	X360	0.00m
21372	Cradle Double Pack	DS	0.00m
21373	Teslagrad	PSV	0.00m
21374	Tetris: The Grand Master Ace	X360	0.00m
21375	Championship Bowling	XB	0.00m

	name	data_x	year	month	link	index	genre	day	rating	Code	data_y	sales
0	Elden Ring	Xbox Series X	2022	Feb	https://www.metacritic.com//game/xbox-series-x...	0	Role-Playing,Action RPG	25	96	/g/11h3z4_20j	All	16.60
2	God of War (2018)	PC	2022	Jan	https://www.metacritic.com//game/pc/god-of-war	3	Action Adventure,Linear	14	93	/m/02qyf34	All	20.47
10	13 Sentinels: Aegis Rim	Switch	2022	Apr	https://www.metacritic.com//game/switch/13-sen...	10	Adventure,General	12	88	/g/11bw51r_lk	PS4	0.50
17	Teenage Mutant Ninja Turtles: Shredder's Revenge	Switch	2022	Jun	https://www.metacritic.com//game/switch/teenag...	19	Action,Beat-'Em-Up,2D	16	87	/g/11mx31cjc_	All	1.00
19	Monster Hunter Rise	PC	2022	Jan	https://www.metacritic.com//game/pc/monster-hu...	22	Role-Playing,Action RPG	12	87	Monster Hunter Rise	All	11.00
...	...	...	...	...	...	...	...	...	...	...	...	...
16687	Rally Challenge 2000	Nintendo 64	2000	Jun	https://www.metacritic.com//game/nintendo-64/r...	12585	Driving,Racing,Rally / Offroad	30	41	/m/0fx9jm	N64	0.04
16691	Resident Evil: Survivor	PlayStation	2000	Aug	https://www.metacritic.com//game/playstation/r...	12589	Action Adventure,Horror	30	39	/g/11hdvdpwm3	PS	0.69
16692	Duke Nukem: Land of the Babes	PlayStation	2000	Sep	https://www.metacritic.com//game/playstation/d...	12590	Action,Shooter,Third-Person,Sci-Fi	19	37	/m/0977sd	PS	0.07
16693	Mortal Kombat: Special Forces	PlayStation	2000	Jun	https://www.metacritic.com//game/playstation/m...	12591	Action,Beat-'Em-Up	30	28	Mortal Kombat: Special Forces	PS	0.20
16694	HBO Boxing	PlayStation	2000	Nov	https://www.metacritic.com//game/playstation/h...	12592	Sports,Traditional,Boxing	20	26	/m/0kyn71x	PS	0.21

Metacritic Games Analysis by Mahir Shah¶

Table of Content (with relevant hyperlinks to sections)¶

Motivation and Background ¶

Summary of Research Questions & Results ¶

Dataset ¶

Methodology ¶

Data Acquisition ¶

Data Cleaning ¶

EDA ¶

Question 1¶

Question 2¶

Question 3¶

Question 4¶

Question 5¶

Results Findings & Conclusion ¶

Question 1¶

Question 2¶

Question 3¶

Question 4¶

Question 5¶

Recommendations or Further Works ¶

References ¶

Appendix ¶

	index	genre	Code
0	0	Role-Playing	/m/06c9r
1	1	Action RPG	/m/06zm8z
2	2	Adventure	/m/03k9fj
3	3	3D	3D
4	4	First-Person	/m/033th
...	...	...	...
167	167	Tank	Tank
168	168	Wakeboarding	Wakeboarding
169	169	Futuristic Sub	Futuristic Sub
170	170	Old Jet	/g/11c1wfk3qv
170	171	Street	Street

	date	Role-Playing	Action RPG	Adventure	3D	First-Person	Action Adventure	Linear	Action	Platformer	...	On-foot	Tank	Wakeboarding	Futuristic Sub	Old Jet	Board / Card Game	Massively Multiplayer Online	Surf / Wakeboard	Breeding/Constructing	Rally / Offroad
0	2004-01-04	80.0	0.792746	2.510363	79.585987	6.982397	1.189119	0.000000	3.303109	3.567358	...	0.0	9.248705	0.000000	0.792746	0.000000	NaN	NaN	NaN	NaN	NaN
1	2004-01-11	84.0	0.000000	3.038860	74.713376	7.837385	0.396373	1.056995	4.095855	1.981865	...	0.0	8.852332	2.906736	0.000000	0.000000	NaN	NaN	NaN	NaN	NaN
2	2004-01-18	82.0	0.924870	2.510363	75.525478	8.264878	0.000000	0.000000	2.774611	3.170984	...	0.0	10.966321	1.321244	0.000000	0.000000	NaN	NaN	NaN	NaN	NaN
3	2004-01-25	80.0	0.924870	2.774611	71.464968	7.694887	0.000000	1.453368	4.492228	1.717617	...	0.0	8.852332	0.000000	0.000000	0.000000	NaN	NaN	NaN	NaN	NaN
4	2004-02-01	73.0	0.528497	2.246114	75.525478	6.412406	0.000000	0.660622	3.435233	2.378238	...	0.0	8.059585	0.924870	0.000000	0.528497	NaN	NaN	NaN	NaN	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
99	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	40.945611	0.0	0.0	0.0
100	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	40.452290	0.0	0.0	0.0
101	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	40.945611	0.0	0.0	0.0
102	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	49.332061	0.0	0.0	0.0
103	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	43.905534	0.0	0.0	0.0

	date	Role-Playing	Action RPG	Adventure	3D	First-Person	Action Adventure	Linear	Action	Platformer	...	On-foot	Tank	Wakeboarding	Futuristic Sub	Old Jet	Board / Card Game	Massively Multiplayer Online	Surf / Wakeboard	Breeding/Constructing	Rally / Offroad
0	2005-01-02	74.0	0.294404	5.593685	57.574054	9.862549	0.000000	0.588809	7.065707	3.091247	...	0.000000	6.476898	0.000000	0.0	0.588809	NaN	NaN	NaN	NaN	NaN
1	2005-01-09	76.0	0.883213	4.857674	50.034595	8.096123	0.000000	0.000000	5.299280	2.796842	...	0.588809	8.684932	0.294404	0.0	0.000000	NaN	NaN	NaN	NaN	NaN
2	2005-01-16	75.0	0.883213	4.121662	58.944865	5.740887	0.294404	1.324820	5.299280	2.060831	...	0.736011	7.801718	0.000000	0.0	0.000000	NaN	NaN	NaN	NaN	NaN
3	2005-01-23	77.0	0.000000	4.563269	52.090811	8.096123	0.000000	0.588809	4.563269	2.796842	...	0.000000	8.243325	0.294404	0.0	0.000000	NaN	NaN	NaN	NaN	NaN
4	2005-01-30	75.0	0.441607	3.238449	56.203243	10.745763	0.000000	0.294404	4.268865	2.355236	...	0.000000	8.979336	0.000000	0.0	0.000000	NaN	NaN	NaN	NaN	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
99	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	47.658031	0.0	0.0	0.0
100	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	49.616580	0.0	0.0	0.0
101	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	52.880829	0.0	0.0	0.0
102	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	65.284974	0.0	0.0	0.0
103	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	65.284974	0.0	0.0	0.0

	date	Role-Playing	Action RPG	Adventure	3D	First-Person	Action Adventure	Linear	Action	Platformer	...	On-foot	Tank	Wakeboarding	Futuristic Sub	Old Jet	Board / Card Game	Massively Multiplayer Online	Surf / Wakeboard	Breeding/Constructing	Rally / Offroad
0	2006-01-01	89.0	1.165394	4.273113	61.468421	10.682782	0.388465	0.388465	9.711620	3.301951	...	0.0	8.740458	0.000000	0.000000	0.000000	NaN	NaN	NaN	NaN	NaN
1	2006-01-08	83.0	0.194232	4.661578	57.129474	9.323155	0.000000	0.582697	6.798134	2.913486	...	0.0	9.711620	0.582697	0.000000	0.582697	NaN	NaN	NaN	NaN	NaN
2	2006-01-15	83.0	0.388465	3.496183	62.191579	9.905852	0.000000	0.582697	7.575064	3.496183	...	0.0	10.488550	0.000000	0.000000	0.388465	NaN	NaN	NaN	NaN	NaN
3	2006-01-22	83.0	0.776930	5.050042	63.637895	9.323155	0.388465	0.388465	10.294317	2.136556	...	0.0	11.265479	0.582697	0.194232	0.388465	NaN	NaN	NaN	NaN	NaN
4	2006-01-29	86.0	0.971162	6.409669	60.022105	10.682782	0.000000	0.000000	9.905852	3.301951	...	0.0	11.459712	0.000000	0.388465	0.000000	NaN	NaN	NaN	NaN	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
101	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	55.250000	0.0	0.0	0.0
102	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	57.375000	0.0	0.0	0.0
103	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	70.833333	0.0	0.0	0.0
104	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	67.291667	0.0	0.0	0.0
105	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	62.333333	0.0	0.0	0.0

	date	Role-Playing	Action RPG	Adventure	3D	First-Person	Action Adventure	Linear	Action	Platformer	...	On-foot	Tank	Wakeboarding	Futuristic Sub	Old Jet	Board / Card Game	Massively Multiplayer Online	Surf / Wakeboard	Breeding/Constructing	Rally / Offroad
0	2007-01-07	77.0	0.513863	5.652491	61.317757	10.303887	0.513863	0.856438	13.463064	2.740602	...	0.000000	10.466041	0.171288	0.0	0.000000	NaN	NaN	NaN	NaN	NaN
1	2007-01-14	79.0	0.856438	5.823778	63.264352	10.487885	0.000000	0.342575	14.460328	3.939615	...	0.342575	9.258421	0.000000	0.0	0.000000	NaN	NaN	NaN	NaN	NaN
2	2007-01-21	76.0	0.000000	5.138628	63.264352	10.855881	0.000000	1.370301	15.956224	2.911889	...	0.000000	10.466041	0.000000	0.0	0.000000	NaN	NaN	NaN	NaN	NaN
3	2007-01-28	84.0	0.171288	4.282190	67.157543	12.143867	0.342575	0.342575	15.706908	3.254464	...	0.171288	10.868581	0.000000	0.0	0.000000	NaN	NaN	NaN	NaN	NaN
4	2007-02-04	80.0	0.513863	5.823778	67.157543	10.855881	0.171288	0.685150	14.958960	2.740602	...	0.000000	11.069851	0.513863	0.0	0.171288	NaN	NaN	NaN	NaN	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
99	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	60.656682	0.0	0.0	0.0
100	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	68.744240	0.0	0.0	0.0
101	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	73.596774	0.0	0.0	0.0
102	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	80.875576	0.0	0.0	0.0
103	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	74.405530	0.0	0.0	0.0

	date	Role-Playing	Action RPG	Adventure	3D	First-Person	Action Adventure	Linear	Action	Platformer	...	On-foot	Tank	Wakeboarding	Futuristic Sub	Old Jet	Board / Card Game	Massively Multiplayer Online	Surf / Wakeboard	Breeding/Constructing	Rally / Offroad
0	2008-01-06	85.0	0.627771	6.905476	81.985135	15.066493	0.313885	0.627771	20.649762	4.080508	...	0.0	16.267970	0.313885	0.000000	0.313885	NaN	NaN	NaN	NaN	NaN
1	2008-01-13	86.0	0.313885	8.788787	78.081081	13.810952	0.313885	0.313885	21.305310	4.080508	...	0.0	18.819808	0.000000	0.000000	0.000000	NaN	NaN	NaN	NaN	NaN
2	2008-01-20	89.0	0.627771	8.474902	81.985135	15.066493	0.313885	0.627771	22.616406	4.394394	...	0.0	17.862868	0.000000	0.313885	0.000000	NaN	NaN	NaN	NaN	NaN
3	2008-01-27	92.0	0.627771	8.474902	79.382432	14.124837	0.313885	0.627771	23.271954	4.708279	...	0.0	18.181848	0.313885	0.000000	0.000000	NaN	NaN	NaN	NaN	NaN
4	2008-02-03	89.0	0.941656	8.788787	80.683784	14.124837	0.313885	0.627771	22.944180	7.533246	...	0.0	18.181848	0.000000	0.313885	0.000000	NaN	NaN	NaN	NaN	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
99	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	65.630162	0.0	0.0	0.0
100	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	72.725314	0.0	0.0	0.0
101	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	71.838420	0.0	0.0	0.0
102	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	88.689408	0.0	0.0	0.0
103	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	86.028725	0.0	0.0	0.0

	date	Role-Playing	Action RPG	Adventure	3D	First-Person	Action Adventure	Linear	Action	Platformer	...	On-foot	Tank	Wakeboarding	Futuristic Sub	Old Jet	Board / Card Game	Massively Multiplayer Online	Surf / Wakeboard	Breeding/Constructing	Rally / Offroad
0	2009-01-04	80.0	0.591931	10.950718	108.889098	15.982128	0.591931	0.591931	30.221198	6.215272	...	0.0	30.856064	0.000000	0.0	0.0	NaN	NaN	NaN	NaN	NaN
1	2009-01-11	85.0	0.591931	10.062822	112.998120	15.390198	0.295965	0.295965	32.739631	4.735445	...	0.0	32.159841	0.295965	0.0	0.0	NaN	NaN	NaN	NaN	NaN
2	2009-01-18	88.0	0.887896	12.134579	121.216165	16.574059	0.295965	0.887896	38.196237	5.919307	...	0.0	33.029026	0.295965	0.0	0.0	NaN	NaN	NaN	NaN	NaN
3	2009-01-25	82.0	0.887896	13.022475	110.943609	17.165990	0.887896	0.591931	37.776498	6.511237	...	0.0	31.290656	0.000000	0.0	0.0	NaN	NaN	NaN	NaN	NaN
4	2009-02-01	85.0	0.887896	12.726510	123.270677	17.461955	0.000000	0.591931	35.677803	5.919307	...	0.0	30.421471	0.000000	0.0	0.0	NaN	NaN	NaN	NaN	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
99	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	69.733503	0.0	0.0	0.0
100	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	69.733503	0.0	0.0	0.0
101	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	69.733503	0.0	0.0	0.0
102	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	92.978003	0.0	0.0	0.0
103	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	85.539763	0.0	0.0	0.0

	date	Role-Playing	Action RPG	Adventure	3D	First-Person	Action Adventure	Linear	Action	Platformer	...	On-foot	Tank	Wakeboarding	Futuristic Sub	Old Jet	Board / Card Game	Massively Multiplayer Online	Surf / Wakeboard	Breeding/Constructing	Rally / Offroad
0	2010-01-03	93.0	0.741635	20.024136	207.807407	22.990675	0.741635	0.741635	43.050383	8.157981	...	0.0	44.936416	0.370817	0.000000	0.0	NaN	NaN	NaN	NaN	NaN
1	2010-01-10	90.0	0.741635	18.170049	210.311111	20.765771	0.741635	0.741635	39.780734	8.528799	...	0.0	47.378613	0.370817	0.000000	0.0	NaN	NaN	NaN	NaN	NaN
2	2010-01-17	91.0	0.741635	17.799232	217.822222	22.619857	0.741635	0.741635	43.595324	8.157981	...	0.0	44.936416	0.000000	0.000000	0.0	NaN	NaN	NaN	NaN	NaN
3	2010-01-24	88.0	1.112452	18.911684	220.325926	21.878223	0.741635	0.741635	48.499798	8.899616	...	0.0	48.843931	0.000000	0.370817	0.0	NaN	NaN	NaN	NaN	NaN
4	2010-01-31	90.0	0.741635	20.024136	227.837037	22.249040	0.370817	1.112452	45.230149	8.157981	...	0.0	46.401734	0.370817	0.000000	0.0	NaN	NaN	NaN	NaN	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
99	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	71.208275	0.0	0.0	0.0
100	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	70.232819	0.0	0.0	0.0
101	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	76.085554	0.0	0.0	0.0
102	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	88.766480	0.0	0.0	0.0
103	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	84.864656	0.0	0.0	0.0

	date	Role-Playing	Action RPG	Adventure	3D	First-Person	Action Adventure	Linear	Action	Platformer	...	On-foot	Tank	Wakeboarding	Futuristic Sub	Old Jet	Board / Card Game	Massively Multiplayer Online	Surf / Wakeboard	Breeding/Constructing	Rally / Offroad
0	2011-01-02	97.0	1.392702	25.068636	284.815490	25.532870	0.464234	0.928468	39.459890	9.284680	...	0.0	54.468230	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
1	2011-01-09	93.0	2.321170	25.068636	273.861048	24.604402	0.928468	0.928468	36.210252	7.891978	...	0.0	51.200136	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
2	2011-01-16	92.0	2.321170	25.532870	284.815490	25.532870	0.928468	1.392702	41.781060	8.356212	...	0.0	51.744818	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
3	2011-01-23	98.0	1.392702	26.461338	292.118451	25.532870	0.928468	1.392702	41.316826	9.748914	...	0.0	49.021407	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
4	2011-01-30	100.0	0.928468	25.532870	314.027335	25.068636	0.928468	1.392702	40.388358	9.284680	...	0.0	47.932042	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
99	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	62.397880	0.0	0.0	0.0
100	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	66.776678	0.0	0.0	0.0
101	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	66.776678	0.0	0.0	0.0
102	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	79.913074	0.0	0.0	0.0
103	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	79.913074	0.0	0.0	0.0

	date	Role-Playing	Action RPG	Adventure	3D	First-Person	Action Adventure	Linear	Action	Platformer	...	On-foot	Tank	Wakeboarding	Futuristic Sub	Old Jet	Board / Card Game	Massively Multiplayer Online	Surf / Wakeboard	Breeding/Constructing	Rally / Offroad
0	2012-01-01	91.0	1.348214	35.952381	357.971487	25.166667	1.348214	0.898810	45.288447	9.43750	...	0.0	46.259893	0.0	0.0	0.000000	NaN	NaN	NaN	NaN	NaN
1	2012-01-08	85.0	1.348214	29.211310	346.900204	24.717262	1.348214	1.348214	45.750574	8.53869	...	0.0	44.872096	0.0	0.0	0.449405	NaN	NaN	NaN	NaN	NaN
2	2012-01-15	85.0	1.348214	30.559524	346.900204	24.267857	1.348214	1.348214	45.750574	9.43750	...	0.0	44.409497	0.0	0.0	0.000000	NaN	NaN	NaN	NaN	NaN
3	2012-01-22	91.0	1.348214	31.458333	328.448065	25.616071	1.348214	1.797619	45.750574	9.43750	...	0.0	43.946898	0.0	0.0	0.000000	NaN	NaN	NaN	NaN	NaN
4	2012-01-29	85.0	1.348214	28.761905	343.209776	25.616071	1.797619	1.348214	45.750574	8.53869	...	0.0	45.334695	0.0	0.0	0.000000	NaN	NaN	NaN	NaN	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
101	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	65.165208	0.0	0.0	0.0
102	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	68.040144	0.0	0.0	0.0
103	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	75.706639	0.0	0.0	0.0
104	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	87.206382	0.0	0.0	0.0
105	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	80.498199	0.0	0.0	0.0

	Puzzle	3D	Team	Racing	Street	Football	Board Games	Shooter	Role-Playing	Truck	Sports	Music	Space	Fighting	Pet
geoName
Afghanistan	85.0	121.363636	50.217391	85.000000	36.724138	135.000000	19.090909	47.500000	15.000000	42.692308	40.555556	42.692308	14.411765	33.387097	0.000000
Albania	98.0	198.000000	48.000000	98.000000	48.000000	198.000000	18.000000	23.000000	13.384615	64.666667	38.000000	23.000000	9.764706	16.181818	13.384615
Algeria	97.0	inf	72.000000	72.000000	147.000000	297.000000	9.500000	24.272727	17.000000	147.000000	20.076923	97.000000	22.000000	297.000000	17.000000
American Samoa	0.0	170.270270	0.000000	0.000000	127.272727	185.714286	0.000000	NaN	0.000000	0.000000	0.000000	170.270270	132.558140	0.000000	0.000000
Andorra	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
Western Sahara	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
Yemen	70.0	200.769231	85.384615	23.571429	55.714286	30.000000	0.000000	0.000000	66.774194	48.947368	0.000000	46.923077	32.500000	303.333333	15.454545
Zambia	71.0	212.666667	141.588235	178.142857	67.666667	293.222222	22.785714	27.862745	8.179487	109.095238	132.111111	937.666667	23.727273	38.441860	6.802469
Zimbabwe	87.0	87.000000	41.166667	247.000000	73.666667	172.714286	23.111111	22.135135	6.696970	247.000000	73.666667	105.181818	10.214286	27.625000	8.311475
Åland Islands	50.0	33.333333	85.135135	0.000000	0.000000	36.206897	44.339623	0.000000	0.000000	33.333333	0.000000	0.000000	37.719298	0.000000	0.000000

	Puzzle	3D	Team	Street	Board Games	Football	Racing	Shooter	Truck	Sports	Trainer	Role-Playing	Music	Space	Golf
geoName
Afghanistan	82.0	145.636364	63.818182	63.818182	42.000000	110.571429	87.882353	22.909091	48.666667	21.130435	120.461538	36.545455	67.714286	42.000000	29.368421
Albania	97.0	72.000000	39.857143	39.857143	9.000000	147.000000	39.857143	24.272727	57.000000	39.857143	18.428571	9.500000	15.750000	12.000000	3.976744
Algeria	93.0	693.000000	93.000000	226.333333	23.434783	226.333333	93.000000	28.000000	226.333333	24.818182	80.500000	28.000000	133.000000	34.176471	23.434783
American Samoa	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
Andorra	78.0	53.862069	39.111111	35.894737	35.894737	25.826087	0.000000	0.000000	40.857143	28.000000	24.808511	0.000000	0.000000	0.000000	20.307692
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
Western Sahara	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
Yemen	70.0	184.285714	63.750000	60.909091	14.776119	12.857143	20.847458	19.180328	43.170732	36.666667	36.666667	41.428571	22.631579	14.776119	11.095890
Zambia	57.0	116.259259	195.888889	50.478261	13.578947	315.333333	143.956522	21.179104	129.000000	136.166667	14.333333	2.263158	1390.333333	21.179104	8.807229
Zimbabwe	92.0	92.000000	45.333333	64.727273	11.512195	392.000000	192.000000	32.000000	392.000000	106.285714	9.021277	4.307692	106.285714	9.021277	0.000000
Åland Islands	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN

	date	Role-Playing	Action RPG	Adventure	3D	First-Person	Action Adventure	Linear	Action	Platformer	...	On-foot	Tank	Wakeboarding	Futuristic Sub	Old Jet	Board / Card Game	Massively Multiplayer Online	Surf / Wakeboard	Breeding/Constructing	Rally / Offroad
0	2013-01-06	85.0	1.213918	25.492268	315.087760	28.729381	0.809278	1.213918	41.060155	8.497423	...	0.0	38.861386	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
1	2013-01-13	93.0	2.023196	25.492268	303.122402	28.729381	0.809278	1.213918	44.028359	9.306701	...	0.0	38.343234	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
2	2013-01-20	92.0	1.618557	25.087629	315.087760	27.515464	0.809278	1.213918	45.512461	8.902062	...	0.0	43.006601	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
3	2013-01-27	92.0	1.213918	26.301546	315.087760	27.920103	0.809278	1.213918	45.017760	8.497423	...	0.0	40.415842	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
4	2013-02-03	91.0	1.618557	26.301546	319.076212	26.706186	0.809278	2.023196	45.017760	10.115979	...	0.0	42.488449	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
99	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	56.047970	0.0	0.0	0.0
100	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	63.398524	0.0	0.0	0.0
101	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	68.911439	0.0	0.0	0.0
102	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	80.856089	0.0	0.0	0.0
103	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	72.586716	0.0	0.0	0.0

	date	Role-Playing	Action RPG	Adventure	3D	First-Person	Action Adventure	Linear	Action	Platformer	...	On-foot	Tank	Wakeboarding	Futuristic Sub	Old Jet	Board / Card Game	Massively Multiplayer Online	Surf / Wakeboard	Breeding/Constructing	Rally / Offroad
0	2014-01-05	99.0	1.977717	24.721466	373.271028	32.137905	0.988859	1.977717	43.015350	8.899728	...	0.0	53.407499	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
1	2014-01-12	92.0	2.472147	22.249319	365.805607	32.137905	0.988859	1.483288	39.059916	8.899728	...	0.0	47.901572	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
2	2014-01-19	98.0	1.977717	21.754890	365.805607	34.115623	0.988859	1.977717	37.576628	7.910869	...	0.0	52.306314	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
3	2014-01-26	100.0	1.977717	24.721466	373.271028	34.610052	0.988859	1.977717	39.059916	8.899728	...	0.0	51.755721	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
4	2014-02-02	100.0	2.472147	22.743748	362.072897	35.104481	0.494429	1.977717	38.071057	7.910869	...	0.0	54.508685	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
99	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	55.402355	0.0	0.0	0.0
100	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	56.151035	0.0	0.0	0.0
101	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	59.145757	0.0	0.0	0.0
102	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	59.145757	0.0	0.0	0.0
103	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	66.632562	0.0	0.0	0.0

	date	Role-Playing	Action RPG	Adventure	3D	First-Person	Action Adventure	Linear	Action	Platformer	...	On-foot	Tank	Wakeboarding	Futuristic Sub	Old Jet	Board / Card Game	Massively Multiplayer Online	Surf / Wakeboard	Breeding/Constructing	Rally / Offroad
0	2015-01-04	94.0	1.751024	22.179632	265.557598	36.771494	0.583675	2.334698	34.436796	9.922467	...	0.0	56.528869	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
1	2015-01-11	85.0	1.751024	19.261259	271.148284	36.187820	1.167349	2.334698	34.436796	8.171443	...	0.0	50.515160	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
2	2015-01-18	89.0	2.334698	19.844933	257.171569	36.771494	1.167349	1.751024	38.522518	9.338792	...	0.0	49.913789	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
3	2015-01-25	89.0	1.751024	19.261259	273.943627	36.771494	1.167349	2.334698	40.273541	7.587769	...	0.0	58.934353	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
4	2015-02-01	87.0	1.751024	19.261259	268.352941	37.355169	0.583675	2.334698	35.020471	8.171443	...	0.0	60.137095	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
99	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	47.561350	0.0	0.0	0.0
100	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	62.509202	0.0	0.0	0.0
101	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	49.599693	0.0	0.0	0.0
102	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	64.547546	0.0	0.0	0.0
103	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	63.868098	0.0	0.0	0.0

	date	Role-Playing	Action RPG	Adventure	3D	First-Person	Action Adventure	Linear	Action	Platformer	...	On-foot	Tank	Wakeboarding	Futuristic Sub	Old Jet	Board / Card Game	Massively Multiplayer Online	Surf / Wakeboard	Breeding/Constructing	Rally / Offroad
0	2016-01-03	100.0	2.483432	21.523077	202.313811	43.046154	0.827811	2.483432	30.628994	9.105917	...	0.0	55.463314	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
1	2016-01-10	95.0	2.483432	21.523077	198.267534	42.218343	0.827811	2.483432	30.628994	7.450296	...	0.0	57.118935	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
2	2016-01-17	99.0	2.483432	19.039645	202.313811	38.907101	0.827811	2.483432	34.768047	7.450296	...	0.0	57.118935	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
3	2016-01-24	93.0	2.483432	19.867456	198.267534	39.734911	0.827811	2.483432	33.940237	9.105917	...	0.0	63.741420	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
4	2016-01-31	94.0	2.483432	21.523077	198.267534	40.562722	0.827811	2.483432	33.112426	7.450296	...	0.0	58.774556	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
99	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	47.370175	0.0	0.0	0.0
100	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	54.475701	0.0	0.0	0.0
101	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	55.265204	0.0	0.0	0.0
102	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	60.791725	0.0	0.0	0.0
103	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	60.791725	0.0	0.0	0.0

	date	Role-Playing	Action RPG	Adventure	3D	First-Person	Action Adventure	Linear	Action	Platformer	...	On-foot	Tank	Wakeboarding	Futuristic Sub	Old Jet	Board / Card Game	Massively Multiplayer Online	Surf / Wakeboard	Breeding/Constructing	Rally / Offroad
0	2017-01-01	95.0	3.364341	20.186047	211.161435	60.558140	0.672868	2.691473	28.933333	9.420155	...	0.0	66.013266	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
1	2017-01-08	100.0	3.364341	18.840310	195.267564	57.193798	0.672868	2.691473	26.914729	9.420155	...	0.0	65.318390	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
2	2017-01-15	98.0	2.691473	18.840310	199.808670	52.483721	0.672868	4.037209	26.914729	9.420155	...	0.0	63.928637	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
3	2017-01-22	88.0	2.691473	18.167442	195.267564	54.502326	1.345736	4.037209	27.587597	8.747287	...	0.0	69.487649	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
4	2017-01-29	91.0	3.364341	18.840310	188.455904	54.502326	0.672868	4.037209	27.587597	8.747287	...	0.0	66.013266	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
101	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	52.621679	0.0	0.0	0.0
102	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	51.920056	0.0	0.0	0.0
103	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	54.024924	0.0	0.0	0.0
104	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	60.339525	0.0	0.0	0.0
105	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	54.024924	0.0	0.0	0.0

	date	Role-Playing	Action RPG	Adventure	3D	First-Person	Action Adventure	Linear	Action	Platformer	...	On-foot	Tank	Wakeboarding	Futuristic Sub	Old Jet	Board / Card Game	Massively Multiplayer Online	Surf / Wakeboard	Breeding/Constructing	Rally / Offroad
0	2018-01-07	98.0	2.526523	14.316964	169.234828	57.267857	0.842174	4.210872	20.212185	10.106092	...	0.0	58.952206	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
1	2018-01-14	98.0	2.526523	17.685662	157.388391	55.583508	1.684349	3.368697	19.370011	8.421744	...	0.0	62.320903	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
2	2018-01-21	95.0	3.368697	16.001313	167.542480	56.425683	0.842174	5.053046	19.370011	11.790441	...	0.0	64.847426	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
3	2018-01-28	99.0	3.368697	16.001313	152.311346	55.583508	0.842174	5.053046	20.212185	10.106092	...	0.0	65.689601	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
4	2018-02-04	92.0	3.368697	16.001313	143.849604	53.899160	1.684349	4.210872	18.527836	10.948267	...	0.0	61.478729	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
99	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	43.545774	0.0	0.0	0.0
100	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	42.674858	0.0	0.0	0.0
101	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	45.287605	0.0	0.0	0.0
102	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	51.384013	0.0	0.0	0.0
103	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	48.771267	0.0	0.0	0.0

	date	Role-Playing	Action RPG	Adventure	3D	First-Person	Action Adventure	Linear	Action	Platformer	...	On-foot	Tank	Wakeboarding	Futuristic Sub	Old Jet	Board / Card Game	Massively Multiplayer Online	Surf / Wakeboard	Breeding/Constructing	Rally / Offroad
0	2019-01-06	73.0	2.583676	13.900968	106.838279	35.525551	0.661951	2.583676	13.900968	7.943410	...	0.0	38.393150	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
1	2019-01-13	73.0	3.875515	11.915115	118.709199	35.525551	0.661951	2.583676	15.886821	9.929263	...	0.0	41.040953	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
2	2019-01-20	76.0	2.583676	11.915115	102.881306	34.879632	0.661951	2.583676	13.239017	7.281459	...	0.0	42.364855	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
3	2019-01-27	75.0	3.875515	13.900968	102.881306	29.712279	0.661951	3.229596	15.224870	6.619509	...	0.0	44.350707	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
4	2019-02-03	73.0	2.583676	13.239017	110.795252	32.941875	0.661951	3.229596	13.900968	6.619509	...	0.0	40.379002	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
99	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	27.904028	0.0	0.0	0.0
100	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	35.042268	0.0	0.0	0.0
101	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	34.393337	0.0	0.0	0.0
102	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	40.233715	0.0	0.0	0.0
103	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	35.691198	0.0	0.0	0.0

	date	Role-Playing	Action RPG	Adventure	3D	First-Person	Action Adventure	Linear	Action	Platformer	...	On-foot	Tank	Wakeboarding	Futuristic Sub	Old Jet	Board / Card Game	Massively Multiplayer Online	Surf / Wakeboard	Breeding/Constructing	Rally / Offroad
0	2020-01-05	74.0	2.858475	11.433898	115.175610	38.112994	1.905650	3.811299	13.339548	8.575424	...	0.0	40.018644	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
1	2020-01-12	76.0	2.858475	11.433898	120.660163	39.065819	0.952825	2.858475	13.339548	8.575424	...	0.0	43.829944	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
2	2020-01-19	76.0	2.858475	11.433898	120.660163	35.254520	0.952825	3.811299	14.292373	9.528249	...	0.0	44.782768	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
3	2020-01-26	70.0	2.858475	11.433898	115.175610	40.018644	0.952825	3.811299	15.245198	9.528249	...	0.0	44.782768	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
4	2020-02-02	74.0	2.858475	11.433898	112.433333	39.065819	0.952825	4.764124	12.386723	8.575424	...	0.0	40.018644	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
99	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	30.927042	0.0	0.0	0.0
100	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	31.864225	0.0	0.0	0.0
101	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	38.424507	0.0	0.0	0.0
102	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	40.298873	0.0	0.0	0.0
103	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	39.361690	0.0	0.0	0.0

	date	Role-Playing	Action RPG	Adventure	3D	First-Person	Action Adventure	Linear	Action	Platformer	...	On-foot	Tank	Wakeboarding	Futuristic Sub	Old Jet	Board / Card Game	Massively Multiplayer Online	Surf / Wakeboard	Breeding/Constructing	Rally / Offroad
0	2021-01-03	90.0	3.396904	12.738389	179.274255	63.213224	1.698452	4.329673	16.452757	13.587615	...	0.0	51.802782	0.0	0.0	0.849226	NaN	NaN	NaN	NaN	NaN
1	2021-01-10	92.0	3.396904	12.738389	202.406417	66.676962	0.849226	4.329673	15.586822	14.436841	...	0.0	51.802782	0.0	0.0	0.000000	NaN	NaN	NaN	NaN	NaN
2	2021-01-17	89.0	3.396904	12.738389	179.274255	63.213224	0.849226	5.195607	15.586822	12.738389	...	0.0	50.104330	0.0	0.0	0.000000	NaN	NaN	NaN	NaN	NaN
3	2021-01-24	88.0	3.396904	13.587615	185.057296	64.079158	0.849226	4.329673	18.184626	13.587615	...	0.0	47.556652	0.0	0.0	0.000000	NaN	NaN	NaN	NaN	NaN
4	2021-01-31	96.0	3.396904	13.587615	193.731856	61.481354	0.849226	5.195607	15.586822	14.436841	...	0.0	48.405878	0.0	0.0	0.000000	NaN	NaN	NaN	NaN	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
99	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	29.803034	0.0	0.0	0.0
100	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	30.548110	0.0	0.0	0.0
101	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	30.548110	0.0	0.0	0.0
102	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	32.038261	0.0	0.0	0.0
103	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	39.489020	0.0	0.0	0.0

	date	Role-Playing	Action RPG	Adventure	3D	First-Person	Action Adventure	Linear	Action	Platformer	...	On-foot	Tank	Wakeboarding	Futuristic Sub	Old Jet	Board / Card Game	Massively Multiplayer Online	Surf / Wakeboard	Breeding/Constructing	Rally / Offroad
0	2022-01-02	88.0	3.934219	12.589500	165.402379	66.881720	0.786844	4.721063	14.163188	15.736875	...	0.0	46.423782	0.0	0.0	0.000000	NaN	NaN	NaN	NaN	NaN
1	2022-01-09	93.0	3.934219	12.589500	156.696991	60.586970	1.573688	4.721063	14.163188	11.802657	...	0.0	44.850095	0.0	0.0	0.000000	NaN	NaN	NaN	NaN	NaN
2	2022-01-16	90.0	3.147375	11.802657	149.732680	60.586970	0.786844	4.721063	13.376344	13.376344	...	0.0	42.489564	0.0	0.0	0.786844	NaN	NaN	NaN	NaN	NaN
3	2022-01-23	88.0	3.934219	13.376344	161.920224	62.160658	1.573688	6.294750	14.163188	13.376344	...	0.0	46.423782	0.0	0.0	0.000000	NaN	NaN	NaN	NaN	NaN
4	2022-01-30	81.0	3.934219	12.589500	156.696991	61.373814	0.786844	6.294750	13.376344	11.802657	...	0.0	47.210626	0.0	0.0	0.000000	NaN	NaN	NaN	NaN	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
69	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	52.751880	0.0	0.0	0.0
70	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	51.927632	0.0	0.0	0.0
71	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	42.860902	0.0	0.0	0.0
72	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	40.388158	0.0	0.0	0.0
73	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	37.091165	0.0	0.0	0.0

Metacritic Games Analysis by Mahir Shah¶

Table of Content (with relevant hyperlinks to sections)¶

Motivation and Background¶

Summary of Research Questions & Results¶

Dataset¶

Methodology¶

Data Acquisition¶

Data Cleaning¶

EDA¶

Question 1¶

Question 2¶

Question 3¶

Question 4¶

Question 5¶

Results Findings & Conclusion¶

Question 1¶

Question 2¶

Question 3¶

Question 4¶

Question 5¶

Recommendations or Further Works¶

References¶

Appendix¶

Motivation and Background ¶

Summary of Research Questions & Results ¶

Dataset ¶

Methodology ¶

Data Acquisition ¶

Data Cleaning ¶

EDA ¶

Results Findings & Conclusion ¶

Recommendations or Further Works ¶

References ¶

Appendix ¶

	genre	Searches	year	Code
0	Puzzle	408.088057	2022	/m/0lvmz
1	Board Games	244.155928	2022	/m/015ll
2	Team	163.794808	2022	Team
3	Football	153.767703	2022	Football
4	3D	152.791330	2022	3D
...	...	...	...	...
10	Flight	38.635414	2004	Flight
11	Massively Multiplayer Online	38.460034	2004	/m/057m6
12	Football	34.212880	2004	Football
13	Golf	33.556555	2004	Golf
14	Board Games	32.885340	2004	/m/015ll

	Puzzle	Role-Playing	3D	Tycoon	Street	Football	Massively Multiplayer Online	Trainer	Music	Sports	Combat	Flight	Golf	Racing	Board Games
geoName
Afghanistan	61.0	0.0	156.0	0.0	0.0	0.0	0.0	53.857143	0.0	0.0	0.0	0.0	0.0	0.0	0.0
Albania	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
Algeria	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
American Samoa	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
Andorra	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
Western Sahara	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
Yemen	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
Zambia	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
Zimbabwe	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
Åland Islands	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN

	Puzzle	Role-Playing	Tycoon	Massively Multiplayer Online	3D	Football	Street	Music	Flight	Trainer	Racing	Sports	Combat	Virtual	Command
geoName
Afghanistan	60.0	0.0	NaN	0.0	35.471698	0.000000	0.0	0.000000	0.0	0.0	0.0	0.0	46.956522	81.212121	0.0
Albania	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
Algeria	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
American Samoa	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
Andorra	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
Western Sahara	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
Yemen	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
Zambia	55.0	0.0	45.0	0.0	0.000000	20.217391	0.0	33.947368	0.0	0.0	0.0	0.0	0.000000	15.810811	0.0
Zimbabwe	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
Åland Islands	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN

	Puzzle	Board Games	Football	Team	3D	Kart	Golf	Sports	Street	Music	Pet	Space	Role-Playing	Shooter	Racing
geoName
Afghanistan	65.0	32.307692	39.468085	42.777778	37.916667	11.666667	12.297297	26.403509	35.000000	8.209877	12.297297	28.636364	22.377049	10.454545	18.846154
Albania	88.0	29.379310	121.333333	73.714286	80.307692	16.571429	32.444444	48.000000	51.157895	36.000000	25.500000	24.363636	26.709677	16.571429	15.272727
Algeria	91.0	47.250000	171.000000	91.000000	291.000000	66.000000	60.230769	55.285714	216.000000	81.000000	22.034483	47.250000	28.500000	31.909091	66.000000
American Samoa	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
Andorra	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
Western Sahara	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
Yemen	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
Zambia	66.0	17.515152	646.000000	53.179487	51.000000	6.963855	17.515152	451.714286	63.142857	3366.000000	6.000000	17.515152	7.463415	20.838710	102.000000
Zimbabwe	81.0	21.425532	456.000000	40.375000	40.375000	10.230769	19.000000	153.727273	35.285714	51.370370	9.358209	19.775510	4.750000	17.538462	92.764706
Åland Islands	52.0	0.000000	0.000000	72.000000	0.000000	36.210526	37.714286	0.000000	0.000000	0.000000	0.000000	0.000000	NaN	0.000000	0.000000

	genre	numYear	Count	Proportion
0	Puzzle	19	1089	4.837420
1	3D	19	1204	5.348259
2	Role-Playing	18	1475	6.552061
3	Shooter	14	2162	9.603767